您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

Python和Excel的完美結合:常用操作匯總(案例詳析)

編輯：Python

在以前，商業分析對應的英文單詞是Business Analysis，大家用的分析工具是Excel，後來數據量大了，Excel應付不過來了（Excel最大支持行數為1048576行），人們開始轉向python和R這樣的分析工具了，這時候商業分析對應的單詞是Business Analytics。

其實python和Excel的使用准則一樣，都是[We don't repeat ourselves]，都是盡可能用更方便的操作替代機械操作和純體力勞動。

用python做數據分析，離不開著名的pandas包，經過了很多版本的迭代優化，pandas現在的生態圈已經相當完整了，官網還給出了它和其他分析工具的對比：

本文用的主要也是pandas，繪圖用的庫是plotly，實現的Excel的常用功能有：

Python和Excel的交互
vlookup函數
數據透視表
繪圖

以後如果發掘了更多Excel的功能，會回來繼續更新和補充。開始之前，首先按照慣例加載pandas包：

import numpy as np
import pandas as pd
pd.set_option('max_columns', 10)
pd.set_option('max_rows', 20)
pd.set_option('display.float_format', lambda x: '%.2f' % x) # 禁用科學計數法

Python和Excel的交互

pandas裡最常用的和Excel I/O有關的四個函數是read_csv/ read_excel/ to_csv/ to_excel，它們都有特定的參數設置，可以定制想要的讀取和導出效果。

比如說想要讀取這樣一張表的左上部分：

可以用pd.read_excel("test.xlsx", header=1, nrows=17, usecols=3)，返回結果：

df
Out[]: 
 工號 姓名 性別 部門
0 A0001 張偉 男 工程
1 A0002 王秀英 女 人事
2 A0003 王芳 女 行政
3 A0004 鄭勇 男 市場
4 A0005 張麗 女 研發
5 A0006 王艷 女 後勤
6 A0007 李勇 男 市場
7 A0008 李娟 女 工程
8 A0009 張靜 女 人事
9 A0010 王磊 男 行政
10 A0011 李娜 女 市場
11 A0012 劉詩雯 女 研發
12 A0013 王剛 男 後勤
13 A0014 葉倩 女 後勤
14 A0015 金雯雯 女 市場
15 A0016 王超傑 男 工程
16 A0017 李軍 男 人事

輸出函數也同理，使用多少列，要不要index，標題怎麼放，都可以控制。

vlookup函數

vlookup號稱是Excel裡的神器之一，用途很廣泛，下面的例子來自豆瓣，VLOOKUP函數最常用的10種用法，你會幾種?

案例一

問題：A3:B7單元格區域為字母等級查詢表，表示60分以下為E級、60~69分為D級、70~79分為C級、80~89分為B級、90分以上為A級。D:G列為初二年級1班語文測驗成績表，如何根據語文成績返回其字母等級？

方法：在H3:H13單元格區域中輸入=VLOOKUP（G3, $A$3:$B$7, 2）

python實現：

df = pd.read_excel("test.xlsx", sheet_name=0)
def grade_to_point(x):
 if x >= 90:
 return 'A'
 elif x >= 80:
 return 'B'
 elif x >= 70:
 return 'C'
 elif x >= 60:
 return 'D'
 else:
 return 'E'
df['等級'] = df['語文'].apply(grade_to_point)
df
Out[]: 
 學號 姓名 性別 語文 等級
0 101 王小麗 女 69 D
1 102 王寶勤 男 85 B
2 103 楊玉萍 女 49 E
3 104 田東會 女 90 A
4 105 陳雪蛟 女 73 C
5 106 楊建豐 男 42 E
6 107 黎梅佳 女 79 C
7 108 張興 男 91 A
8 109 馬進春 女 48 E
9 110 魏改娟 女 100 A
10 111 王冰研 女 64 D

案例二

問題：在Sheet1裡面如何查找折舊明細表中對應編號下的月折舊額？（跨表查詢）

方法：在Sheet1裡面的C2:C4單元格輸入 =VLOOKUP(A2, 折舊明細表!A$2:$G$12, 7, 0)

python實現：使用merge將兩個表按照編號連接起來就行

df1 = pd.read_excel("test.xlsx", sheet_name='折舊明細表')
df2 = pd.read_excel("test.xlsx", sheet_name=1) #題目裡的sheet1
df2.merge(df1[['編號', '月折舊額']], how='left', on='編號')
Out[]: 
 編號 資產名稱 月折舊額
0 YT001 電動門 1399
1 YT005 桑塔納轎車 1147
2 YT008 打印機 51

案例三

問題：類似於案例二，但此時需要使用近似查找

方法：在B2:B7區域中輸入公式 =VLOOKUP(A2&"*", 折舊明細表!$B$2:$G$12, 6, 0)

python實現：這個比起上一個要麻煩一些，需要用到一些pandas的使用技巧

df1 = pd.read_excel("test.xlsx", sheet_name='折舊明細表') 
df3 = pd.read_excel("test.xlsx", sheet_name=3) #含有資產名稱簡寫的表
df3['月折舊額'] = 0
for i in range(len(df3['資產名稱'])):
 df3['月折舊額'][i] = df1[df1['資產名稱'].map(lambda x:df3['資產名稱'][i] in x)]['月折舊額']
df3
Out[]: 
 資產名稱 月折舊額
0 電動 1399
1 貨車 2438
2 惠普 132
3 交聯 10133
4 桑塔納 1147
5 春蘭 230

案例四

問題：在Excel中錄入數據信息時，為了提高工作效率，用戶希望通過輸入數據的關鍵字後，自動顯示該記錄的其余信息，例如，輸入員工工號自動顯示該員工的信命，輸入物料號就能自動顯示該物料的品名、單價等。

如圖所示為某單位所有員工基本信息的數據源表，在“2010年3月員工請假統計表”工作表中，當在A列輸入員工工號時，如何實現對應員工的姓名、身份證號、部門、職務、入職日期等信息的自動錄入？

方法：使用VLOOKUP+MATCH函數，在“2010年3月員工請假統計表”工作表中選擇B3:F8單元格區域，輸入下列公式=IF($A3="","",VLOOKUP($A3,員工基本信息!$A:$H,MATCH(B$2,員工基本信息!$2:$2,0),0))，按下【Ctrl+Enter】組合鍵結束。

python實現：上面的Excel的方法用得很靈活，但是pandas的想法和操作更簡單方便些

df4 = pd.read_excel("test.xlsx", sheet_name='員工基本信息表')
df5 = pd.read_excel("test.xlsx", sheet_name='請假統計表')
df5.merge(df4[['工號', '姓名', '部門', '職務', '入職日期']], on='工號')
Out[]: 
 工號 姓名 部門 職務 入職日期
0 A0004 龔夢娟 後勤 主管 2006-11-20
1 A0003 趙敏 行政 文員 2007-02-16
2 A0005 黃凌 研發 工程師 2009-01-14
3 A0007 王維 人事 經理 2006-07-24
4 A0016 張君寶 市場 工程師 2007-08-14
5 A0017 秦羽 人事 副經理 2008-03-06

案例五

問題：用VLOOKUP函數實現批量查找，VLOOKUP函數一般情況下只能查找一個，那麼多項應該怎麼查找呢？如下圖，如何把張一的消費額全部列出？

方法：在C9：C11單元格裡面輸入公式 =VLOOKUP(B$9&ROW(A1),IF({1,0},$B$2:$B$6&COUNTIF(INDIRECT("b2:b"&ROW($2:$6)),B$9),$C$2:$C$6),2,) ，按SHIFT+CTRL+ENTER鍵結束。

python實現：vlookup函數有兩個不足（或者算是特點吧），一個是被查找的值一定要在區域裡的第一列，另一個是只能查找一個值，剩余的即便能匹配也不去查找了，這兩點都能通過靈活應用if和indirect函數來解決，不過pandas能做得更直白一些。

df6 = pd.read_excel("test.xlsx", sheet_name='消費額')
df6[df6['姓名'] == '張一'][['姓名', '消費額']]
Out[]: 
 姓名 消費額
0 張一 100
2 張一 300
4 張一 1000

數據透視表

數據透視表是Excel的另一個神器，本質上是一系列的表格重組整合的過程。這裡用的案例來自知乎，Excel數據透視表有什麼用途：（ https://www.zhihu.com/question/22484899/answer/39933218 ）

問題：需要匯總各個區域，每個月的銷售額與成本總計，並同時算出利潤

通過Excel的數據透視表的操作最終實現了下面這樣的效果：

python實現：對於這樣的分組的任務，首先想到的就是pandas的groupby，代碼寫起來也簡單，思路就是把剛才Excel的點鼠標的操作反映到代碼命令上：

df = pd.read_excel('test.xlsx', sheet_name='銷售統計表')
df['訂購月份'] = df['訂購日期'].apply(lambda x:x.month)
df2 = df.groupby(['訂購月份', '所屬區域'])[['銷售額', '成本']].agg('sum')
df2['利潤'] = df2['銷售額'] - df2['成本']
df2
Out[]: 
 銷售額 成本 利潤
訂購月份 所屬區域 
1 南京 134313.61 94967.84 39345.77
 常熟 177531.47 163220.07 14311.40
 無錫 316418.09 231822.28 84595.81
 昆山 159183.35 145403.32 13780.03
 蘇州 287253.99 238812.03 48441.96
2 南京 187129.13 138530.42 48598.71
 常熟 154442.74 126834.37 27608.37
 無錫 464012.20 376134.98 87877.22
 昆山 102324.46 86244.52 16079.94
 蘇州 105940.34 91419.54 14520.80
 ... ... ...
11 南京 286329.88 221687.11 64642.77
 常熟 2118503.54 1840868.53 277635.01
 無錫 633915.41 536866.77 97048.64
 昆山 351023.24 342420.18 8603.06
 蘇州 1269351.39 1144809.83 124541.56
12 南京 894522.06 808959.32 85562.74
 常熟 324454.49 262918.81 61535.68
 無錫 1040127.19 856816.72 183310.48
 昆山 1096212.75 951652.87 144559.87
 蘇州 347939.30 302154.25 45785.05
[60 rows x 3 columns]

也可以使用pandas裡的pivot_table函數來實現：

df3 = pd.pivot_table(df, values=['銷售額', '成本'], index=['訂購月份', '所屬區域'] , aggfunc='sum')
df3['利潤'] = df3['銷售額'] - df3['成本']
df3 
Out[]: 
 成本 銷售額 利潤
訂購月份 所屬區域 
1 南京 94967.84 134313.61 39345.77
 常熟 163220.07 177531.47 14311.40
 無錫 231822.28 316418.09 84595.81
 昆山 145403.32 159183.35 13780.03
 蘇州 238812.03 287253.99 48441.96
2 南京 138530.42 187129.13 48598.71
 常熟 126834.37 154442.74 27608.37
 無錫 376134.98 464012.20 87877.22
 昆山 86244.52 102324.46 16079.94
 蘇州 91419.54 105940.34 14520.80
 ... ... ...
11 南京 221687.11 286329.88 64642.77
 常熟 1840868.53 2118503.54 277635.01
 無錫 536866.77 633915.41 97048.64
 昆山 342420.18 351023.24 8603.06
 蘇州 1144809.83 1269351.39 124541.56
12 南京 808959.32 894522.06 85562.74
 常熟 262918.81 324454.49 61535.68
 無錫 856816.72 1040127.19 183310.48
 昆山 951652.87 1096212.75 144559.87
 蘇州 302154.25 347939.30 45785.05
[60 rows x 3 columns]

pandas的pivot_table的參數index/ columns/ values和Excel裡的參數是對應上的（當然，我這話說了等於沒說，數據透視表裡不就是行/列/值嗎還能有啥。）

但是我個人還是更喜歡用groupby，因為它運算速度非常快。我在打kaggle比賽的時候，有一張表是貸款人的行為信息，大概有2700萬行，用groupby算了幾個聚合函數，幾秒鐘就完成了。

groupby的功能很全面，內置了很多aggregate函數，能夠滿足大部分的基本需求，如果你需要一些其他的函數，可以搭配使用apply和lambda。

不過pandas的官方文檔說了，groupby之後用apply速度非常慢，aggregate內部做過優化，所以很快，apply是沒有優化的，所以建議有問題先想想別的方法，實在不行的時候再用apply。

我打比賽的時候，為了生成一個新變量，用了groupby的apply，寫了這麼一句： ins['weight'] = ins[['SK_ID_PREV' ， 'DAYS_ENTRY_PAYMENT']].groupby('SK_ID_PREV').apply(lambda x: 1-abs(x)/x.sum().abs()).iloc[:,1] ，1000萬行的數據，足足算了十多分鐘，等得我心力交瘁。

繪圖

因為Excel畫出來的圖能夠交互，能夠在圖上進行一些簡單操作，所以這裡用的python的可視化庫是plotly，案例就用我這個學期發展經濟學課上的作業吧，當時的圖都是用Excel畫的，現在用python再畫一遍。開始之前，首先加載plotly包。

import plotly.offline as off
import plotly.graph_objs as go
off.init_notebook_mode()

柱狀圖

當時用Excel畫了很多的柱狀圖，其中的一幅圖是

下面用plotly來畫一下

df = pd.read_excel("plot.xlsx", sheet_name='高等教育入學率')
trace1 = go.Bar(
 x=df['國家'],
 y=df[1995],
 name='1995',
 opacity=0.6,
 marker=dict(
 color='powderblue'
 )
 )
trace2 = go.Bar(
 x=df['國家'],
 y=df[2005],
 name='2005',
 opacity=0.6,
 marker=dict(
 color='aliceblue',
 )
 )
trace3 = go.Bar(
 x=df['國家'],
 y=df[2014],
 name='2014',
 opacity=0.6,
 marker=dict(
 color='royalblue'
 )
 )
layout = go.Layout(barmode='group')
data = [trace1, trace2, trace3]
fig = go.Figure(data, layout)
off.plot(fig)

雷達圖

用Excel畫的：

用python畫的：

df = pd.read_excel('plot.xlsx', sheet_name='政治治理')
theta = df.columns.tolist()
theta.append(theta[0])
names = df.index
df[''] = df.iloc[:,0]
df = np.array(df)
trace1 = go.Scatterpolar(
 r=df[0],
 theta=theta,
 name=names[0]
 )
trace2 = go.Scatterpolar(
 r=df[1],
 theta=theta,
 name=names[1]
 )
trace3 = go.Scatterpolar(
 r=df[2],
 theta=theta,
 name=names[2]
 )
trace4 = go.Scatterpolar(
 r=df[3],
 theta=theta,
 name=names[3]
 )
data = [trace1, trace2, trace3, trace4]
layout = go.Layout(
 polar=dict(
 radialaxis=dict(
 visible=True,
 range=[0,1]
 )
 ),
 showlegend=True
 )
fig = go.Figure(data, layout)
off.plot(fig)