用Python快速分析Excel表

陳新龍

我們可以在一些面向白領(lǐng)的編程培訓(xùn)廣告中看到，僅用幾節(jié)課學(xué)會Python之后，五分鐘就可以把領(lǐng)導(dǎo)分派的幾百張Excel表格處理完畢，這就是利用了Python的數(shù)據(jù)分析功能……

一、 數(shù)據(jù)分析簡介

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。

而Python能成為受歡迎的編程語言最主要的原因是它的簡單易學(xué)。與其他語言相比，Python的語法很簡單，幾天就可以掌握它的基礎(chǔ)知識。即使在學(xué)習(xí)其他語言（例如C++、Java）之后，開發(fā)者通常還是更喜歡使用Python。因為Python庫幾乎可以滿足所有開發(fā)需求。所以，庫和簡單的語法讓使用Python進行開發(fā)既簡單又高效，也讓其成為適合初學(xué)者的語言。

我們也要跟隨著知識潮流的腳步，電腦報也會逐步和大家分享一些數(shù)據(jù)分析的技巧，在基本掌握Python后將其應(yīng)用到實際工作中解放自己的生產(chǎn)力。

在學(xué)好Python的基礎(chǔ)知識后，初學(xué)數(shù)據(jù)分析可以使用兩款開發(fā)工具Pycharm或Jupyter Notebook。大致上從數(shù)據(jù)類型開始學(xué)習(xí)，深入到數(shù)據(jù)處理分析，再到圖形輸出。每一部分都有很多知識點，希望能在未來的日子里和大家一起學(xué)習(xí)進步。

今天就通過實例體會一下數(shù)據(jù)分析的簡單過程吧。下面我們根據(jù)班級學(xué)生基本情況表來分析班級中的男女生比例，并畫出餅圖來。雖然例子只處理了一張簡單的表格，但是當(dāng)我們使用Python作為數(shù)據(jù)分析工具時，就可以快速處理大量的表格和數(shù)據(jù)（圖1）。

二、 開發(fā)工具簡介

Pycharm和Jupyter Notebook是我們用來編寫數(shù)據(jù)分析程序的常用開發(fā)工具，兩者各有優(yōu)勢。

Pycharm是一款功能強大的Python開發(fā)環(huán)境，有大量的庫為數(shù)據(jù)分析和處理提供了完整的工具集，但在使用過程中，需要手動安裝需要的庫。在用于數(shù)據(jù)分析時Pycharm更全能，采用了更具創(chuàng)新性的實現(xiàn)算法，還能和其他語言對接，例如與C語言對接彌補Python運行效率不高的問題。

Jupyter Notebook是基于網(wǎng)頁的用于交互計算的應(yīng)用程序，它是一個性能強大的終端可以在網(wǎng)頁中直接編寫和運行代碼（可以寫一行代碼，執(zhí)行一行，運行結(jié)果直接在代碼塊下顯示）。這個集文本、代碼、圖像、公式展現(xiàn)于一體的超級Python Web界面，可以幫助我們學(xué)習(xí)和調(diào)試代碼。而且已經(jīng)集成了大量的庫，用起來非常方便。

三、 數(shù)據(jù)分析處理

1. 環(huán)境安裝

本例我們在Jupyter Notebook上實操。

Jupyter Notebook的安裝網(wǎng)上已有不少教程，不再贅述，附上安裝教程鏈接：

https：//blog.csdn.net/yu1014745867/article/

details/84191485

2. 導(dǎo)入庫

在數(shù)據(jù)分析中，我們需要不同庫的幫助。選擇數(shù)據(jù)路徑，對數(shù)據(jù)預(yù)處理、清洗、分析，最后繪制圖表……本次Python實例中需要用到以下函數(shù)庫。

Numpy庫：用來實現(xiàn)科學(xué)計算，包括計算數(shù)組、一些隨機的函數(shù)……對文件中的數(shù)據(jù)進行處理。

Pandas庫：提供大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)與方法，比如導(dǎo)入文件、提取文件……

OS庫：提供了豐富的方法用來處理文件和目錄，包括一些修改文件的目錄……

由于我們已經(jīng)安裝好了Jupyter Notebook，這些需要函數(shù)庫直接導(dǎo)入就可以使用了（如圖2）。在Jupyter Notebook分段輸入部分代碼就可以直接運行查看效果，特別適合我們學(xué)習(xí)。

3. 導(dǎo)入數(shù)據(jù)表

導(dǎo)入成功后便可以利用os函數(shù)定位到文件所指定的位置“F：＼＼數(shù)據(jù)分析表”，數(shù)據(jù)表格放在這個目錄下（如圖3）。

隨后我們用pandas將所需的數(shù)據(jù)從表格文件中調(diào)取出來，我們采用的數(shù)據(jù)是一張班級成員信息表（表格中個人隱私有打碼）（如圖4）。

由于數(shù)據(jù)量較大，我們只需要使用“data1[：5]”提取前面五行的內(nèi)容便于觀察數(shù)據(jù)格式和內(nèi)容。

4. 數(shù)據(jù)清洗

觀察數(shù)據(jù)后發(fā)現(xiàn)并沒有性別這一項內(nèi)容，但是數(shù)據(jù)中存在著身份證號一項，可以利用數(shù)據(jù)清洗整理提取身份證倒數(shù)第二位數(shù)字的奇偶性來判斷性別。首先增加一個列表用來存放性別，其次定義male和female兩個變量分別代表男和女， 利用循環(huán)提取出所有的身份證號，然后再去尋找出倒數(shù)第二位的數(shù)字（注意Python是左開右閉的這個知識點）然后利用判斷語句判斷倒數(shù)第二個數(shù)和2的余數(shù)是否等于0，如果余數(shù)等于0代表女，否則代表男（如圖5）。

將男女的性別添加到列表中。之后再使用“data1[：5]”，我們可以看到已經(jīng)多出了性別這一列（如圖6）。

數(shù)據(jù)清洗簡單說就是把數(shù)據(jù)中的污染“洗掉”，指發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識別的錯誤，包括檢查數(shù)據(jù)一致性、處理無效值和缺失值等。這是數(shù)據(jù)分析的難點，需要針對具體情況提出相應(yīng)的解決方案。

5. 繪制圖表

根據(jù)已經(jīng)處理過的數(shù)據(jù)就可以統(tǒng)計male和female的人數(shù)，根據(jù)這兩個數(shù)值就可以算出對應(yīng)的比例。然后用餅圖的方式繪制出來（圖7）。

Python繪制圖形需要用到Python Matplotlib.pyplot庫。Matplotlib庫是一個面向?qū)ο蟮睦L圖庫。繪圖界面由pyplot模塊提供。該模塊提供了許多繪圖函數(shù)，男女比例可以用餅圖來直觀顯示，餅圖利用plt.pie的方法，設(shè)置繪制所需要的參數(shù)，包括數(shù)據(jù)值、區(qū)間的內(nèi)容、顯示字符的距離、區(qū)間顯示的顏色、百分比……都需要一一設(shè)置好。由于圖形的參數(shù)設(shè)置繁雜，這里就不一一詳述了，你可以根據(jù)參數(shù)表自行查看使用（圖8）。

掌握數(shù)據(jù)分析是一項非常實用的技能，要想學(xué)好還需要提前打好一定的數(shù)學(xué)和編程基礎(chǔ)，本實例只是拋磚引玉告訴你Python可以幫你快速處理數(shù)據(jù)，今后我們也會繼續(xù)介紹一些均值、方差的計算實例，希望能夠?qū)δ兴鶐椭?/p>