做過數據分析的程序員都知道：Excel、Tableau等這些親民工具都是數據分析的得力助手。
但用Excel做分析，繁瑣的每一步都是來自鼠標點擊，中間如果一步有誤，很多步驟都需要重新調整，浪費大量時間。
這不，前天臨近下班時間，老板突然Q我：算一下近一年銷售額總額TOP5的品牌以及對應的銷售額。
接收完文檔我傻眼了， 公司旗下有20個品牌，這些品牌涉及到128個類目，業務部門總共發來了128張表，每一份表格對應著一個細分行業的數據，像什么各類戶外服裝、垂釣裝備、救生裝備應有盡有。
每張表，以月的維度記錄著每個品牌的日期、訪客、客單、轉化、所屬類目（細分行業）等數據：
習慣性的打開Excel，我開始盤算：最終需求是要篩選出近一年銷售額總和排名前5的品牌，這一攤子數據，對單獨的一張表進行分類匯總，能夠得到該細分行業各品牌的銷售額， 想要得到所有行業的銷售額總和，得分類匯總128次，最后對128次結果再次合并。
“這個任務看上去很艱巨，不過，考驗的主要是體力?！蔽乙谎劬汀翱创绷耸虑榈谋举|，右手食指在鼠標上飛速跳動，以90秒一張表格的速度瘋狂推進。按照這個速度，不考慮疲勞值對速度的拖累，大概 3.2個小時就能夠完成任務。
然而，剛開始還 沒3分鐘，老板找到我：剛交你的任務暫時不用做了， 新來的已經得出結論了，看著還挺專業。
多年來的職業敏感性驅使我立馬跟新同事聊了一下，“剛剛那些表分分鐘就搞定了，很簡單！”他演示給我看，“ 我就使用了幾行Python代碼......”
首先，導入模塊，打開單個表格：
接著，匯總不同品牌在這個細分行業下的銷售額，沒有銷售額的字段，可以通過訪客數*轉化率*客單價三者的乘積來計算：
按品牌來匯總銷售額，得到近一年各品牌銷售額合計：
對于單獨行業的銷售額，應該加一個區分的標簽以防覆蓋，而打開時候的文件名，具有天然的區分和防覆蓋優勢，但要注意去掉文件的后綴。
OK，單個表格處理完成，我們把這一系列操作推而廣之即可。用os.listdir方法來遍歷文件名，批量循環訪問并處理文件，同時引入time計時，打算看一看，面對128張表，Python完成這些操作到底能夠比手動快多少：
WOC，整個過程一氣呵成，不到3秒，平均一張表格0.02秒！真香！
為了確保數據正常，來預覽一下：
這一串看起來很奇怪的銷售額，是pandas自作主張把實際銷售額變成了科學記數法形式來展示，要還原數值，需要更改一下原始的設置：
我本以為學會Excel走遍天下，沒想到Python效率這么高！
20年前，學英語不是為了成為翻譯員；10年前，學電腦不是為了成為打字員；今天，學Python數據分析與挖掘不是要都成為數據分析師。
而越來越多的互聯網人利用Python完成自動化辦公、表格處理、信息搜集、數據分析、數據可視化等工作，至少釋放了80%的勞動力！
我們知道什么樣的程序員最受歡迎？
肯定不是只會寫代碼的碼農，而是技術過硬又懂業務的，可以 通過數據分析，優化代碼解決實際業務問題的人才！
其實無論是做研發、系統架構，還是產品、運營，在數不清的場景下， 用Python做數據分析與挖掘其實是基本功，它不是一個職位，而是一個技能。
這里整理了一些Python數據分析視頻教程，想著有用得上的伙伴，回復：數據分析，領??！
Python最新數據分析入門教程https://pan.baidu.com/s/1So1X4-uNgXcNurJDJFPPAA ?。?！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
