【為什麼我們要挑選這篇文章】Excel 是簡易好用的數據分析軟體，但如果要分析技術更上一層樓，就必須學習更專業的程式語言，除了老牌的 R 之外，另一個正在挑戰它的程式語言就是 Python 了。
該如何用 Python 處理數據，進行統計運算與樞紐分析？七個主題，手把手教你如何用 Python 取代 Excel 的常用功能。（責任編輯：郭家宏）
十年前，你說你是做數據的，大家的反應就是：用 Excel 做圖表。
現在，想成為一個合格的數據分析師，你說你不會 Python，大概會被恥笑。
Medium 上一位網友就分享了他一步步用 Python 替換掉十年前的「老情人」Excel 的過程，一起來學習一下吧！
原文傳送門
做數據分析，就要學會用 Python 處理數據
在 Excel 成為我的「初戀」十年之後，是時候找一個更好的「另一半」了，在這個技術日新月異的時代，更好更薄更輕更快處理數據的選擇就在身邊！我希望用 Python 取代幾乎所有的 Excel 功能，無論是簡單的篩選還是相對複雜的建立並分析數據和數組。
我將展示從簡單到複雜的計算任務。強烈建議你跟著我一起做這些步驟，以便更好地理解它們。
擬寫此文的靈感，來自於人人可訪問的免費教程網站，我曾認真閲讀並一直嚴格遵守這篇 Python 文檔，連結如下，相信你也會從該網站中找到很多乾貨。
GitHub 傳送門
一、將 Excel 文件導入 Panda DataFrame
初始步驟是將 Excel 文件導入 DataFrame，以便我們執行所有任務。我將演示支持 xls 和 xlsx 文件擴展名的 Pandas 的 read_excel 方法。read_csv 與 read_excel 相同，就不做深入討論了，但我會分享一個例子。
儘管 read_excel 方法包含數百萬個參數，但我們只討論那些在日常操作中最常見的那些。
我們使用 Iris 樣本數據集，出於教育目的，該數據集可在線免費使用。
請按照以下連結下載數據，並將其放在與儲存 Python 文件的同一文件夾中。
1、第一步是在Python中導入庫
可以使用以下程式碼將電子表格數據導入 Python：
pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, parse_cols=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None, na_values=None, keep_default_na=True, verbose=False, parse_dates=False, date_parser=None, thousands=None, comment=None, skip_footer=0, skipfooter=0, convert_float=True, mangle_dupe_cols=True, **kwds)
有大量可用的參數，我們來看一下最常用的一些參數。
2、一些重要的 Pandas read_excel 選項
如果默認使用本地文件的路徑，用「」表示，接受用「/」表示，更改斜槓可以將文件添加到 Python 文件所在的文件夾中。如果需要有關上述內容的詳細說明，請參閱以下文章。
用 Python 掃瞄目錄中的文件並選擇想要的：
3、導入表格
默認情況下，文件中的第一個工作表將按原樣導入到數據框中。
使用 sheet_name 參數，可以明確要導入的工作表。文件中的第一個表默認值為 0。可以用工作表的名字，或一個整數值來當作工作表的 index。
4、使用工作表中的列作為索引
除非明確提到，否則索引列會添加到 DataFrame 中，默認情況下從 0 開始。
使用 index_col 參數可以操作數據框中的索引列，如果將值 0 設置為 none，它將使用第一列作為 index。
5、略過行和列
默認的 read_excel 參數假定第一行是列表名稱，會自動合併為 DataFrame 中的列標籤。使用 skiprows 和 header 之類的函數，我們可以操縱導入的 DataFrame 的行為。
6、導入特定列
使用 usecols 參數，可以指定是否在 DataFrame 中導入特定的列。
這只是個開始，並不是所有的功能，但已足夠你「嘗鮮」了。
二、查看的數據的屬性
現在我們有了 DataFrame，可以從多個角度查看數據了。Pandas 有很多我們可以使用的功能，接下來將使用其中一些來看下我們的數據集。
1、從「頭」到「腳」
查看第一行或最後五行。默認值為 5，也可以自定義參數。
2、查看特定列的數據
3、查看所有列的名字
4、查看資訊
查看 DataFrame 的數據屬性總結：
5、返回到 DataFrame
6、查看 DataFrame 中的數據類型
三、分割：即 Excel 過濾器
描述性報告是關於數據子集和聚合的，當需要初步瞭解數據時，通常使用過濾器來查看較小的數據集或特定的列，以便更好的理解數據。
Python 提供了許多不同的方法來對 DataFrame 進行分割，我們將使用它們中的幾個來瞭解它是如何工作的。
1、查看列
包括以下三種主要方法：
使用點符號：例如 data.column_name
使用方括弧和列名稱：數據 [“COLUMN_NAME”]
使用數字索引和 iloc 選擇器：data.loc [：，’column_number’]
2、查看多列
3、查看特定行
這裡使用的方法是 loc 函數，其中我們可以指定以冒號分隔的起始行和結束行。注意，索引從 0 開始而不是 1。
4、同時分割行和列
5、在某一列中篩選
6、篩選多種數值
7、用列表篩選多種數值
8、篩選不在列表或Excel中的值
9、用多個條件篩選多列數據
輸入應為列一個表，此方法相當於 Excel 中的高級過濾器功能：
10、根據數字條件過濾
11、在 Excel 中複製自定義的篩選器
12、合併兩個過濾器的計算結果
13、包含 Excel 中的功能
14、從 DataFrame 獲取特定的值
如果想要用特定值查看整個 DataFrame，可以使用 drop_duplicates 函數：
15、排序
對特定列排序，默認升序：
四、統計功能
1、描述性統計
描述性統計，總結數據集分佈的集中趨勢，分散程度和正態分佈程度，不包括 NaN 值：
描述性統計總結：
五、數據計算
1、計算某一特定列的值
輸出結果是一個系列。稱為單列數據透視表：
2、計數
統計每列或每行的非 NA 單元格的數量：
3、求和
按行或列求和數據：
為每行添加總列：
4、將總列添加到已存在的數據集
5、特定列的總和，使用 loc 函數
或者，我們可以用以下方法：
6、用 drop 函數刪除行
7、計算每列的總和
以上，我們使用的方法包括：
Sum_Total：計算列的總和
T_Sum：將系列輸出轉換為 DataFrame 併進行轉置
Re-index：添加缺少的列
Row_Total：將 T_Sum 附加到現有的 DataFrame
8、多條件求和，即 Excel 中的 Sumif 函數
9、多條件求和
10、求算術平均值
11、求最大值
12、求最小值
13、Groupby：即 Excel 中的小計函數
六、DataFrame 中的樞紐分析表功能
誰會不喜歡 Excel 中的樞紐分析表呢？它是分析數據的最佳方式，可以快速瀏覽資訊，使用超級簡單的界面分割數據，繪製圖表，添加計算列等。
現在沒有了工作界面，必須用編寫程式碼的方式來輸出結果，且沒有生成圖表功能，但需要我們充分理解樞紐分析表的精華。
簡單的數據透視表，顯示 SepalWidth 的總和，行列中的 SepalLength 和列標籤中的名稱。
現在讓我們試著複雜化一些：
用 fill_value 參數將空白替換為 0：
可以使用 dictionary 函數進行單獨計算，也可以多次計算值：
七、Vlookup 函數
Excel 中的 vlookup 是一個神奇的功能，是每個人在學習如何求和之前就想要學習的。會用 vlookup 是很迷人的，因為輸出結果時像變魔術一樣。可以非常自信地說它是電子表格上計算的每個數據的支柱。
不幸的是，Pandas 中並沒有 vlookup 功能！
由於 Pandas 中沒有 Vlookup 函數，因此 Merge 用與 SQL 相同的備用函數。有四種合併選項：
left：使用左側 DataFrame 中的共享列並匹配右側 DataFrame，N/A 為 NaN。
right：使用右側 DataFrame 中的共享列並匹配左側 DataFrame，N/A 為 NaN。
inner：僅顯示兩個共享列重疊的數據。默認方法。
outer：當左側或右側 DataFrame 中存在匹配時，返回所有記錄。
以上可能不是解釋這個概念的最好例子，但原理是一樣的。
整個教學到這裡就結束啦，正如大家知道的那樣，「沒有完美的教學存在」，這位夥伴的教學肯定也是不完美的，但是大家可以自己動手試試，如果大家還知道有什麼 Python 可以替代 Excel 的地方，歡迎留言討論！
原文傳送門
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈手把手教你做一个“渣”数据师，用Python代替老情人Excel〉。首圖來源：Pixnio CC Licensed）
更多 Python 的實用技術
教你如何用 Python 的平行運算，驗證數學界的百年難題「哥德巴赫猜想」
自學 Python、JavaScript 總是卡？破解學習程式語言 3 大「欠矯正」的心態
【Python 的誕生故事】覺得其他程式語言不好用，超狂荷蘭工程師花三個月打造自己的程式語言
