python把excel的某⼀列复制到另⼀个excel的指定列_⽤Excel
进⾏数据分析—。。。
这篇⽂章将介绍⽤Excel对数据集进⾏分析的⼀般步骤。
数据分析的5⼤步骤：
明确问题
理解数据
数据清洗
构建模型
数据可视化
下⾯⽤招聘⽹站数据分析师职位数据为实例，进⾏逐⼀详细介绍。（原始数据已经保存为Excel格式，如何⽤python从⽹站爬取数据以后再有机会分享）
第⼀步明确问题
⾸先要明确研究的问题是什么，使的数据分析有⽬标和⽅向。⽐如：在哪些城市到数据分析师⼯作的机会⽐较⼤？数据分析师的薪⽔如何？根据⼯作经验不同薪酬是如何变化的？
第⼆步理解数据
这⼀步的具体操作⼜可以分为两步。第⼀，根据研究问题采集相关数据（如爬取招聘⽹站信息）；第
⼆，查看数据集信息（包括数据所描述的信息，从整体上理解数据，了解字段含义）
《招聘⽹站数据-原始数据(备份)》s himo.im
截取表格的部分
被遮挡的列名怎么显⽰全？
解决办法：①全选表格；②开始对话框——⾃动换⾏；③在列名A上⿏标右键弹出对话框，列宽设置为15
字段分析
列名（字段）：城市；公司全名；公司ID；公司简称；公司⼤⼩；公司所在商区；职位所属；教育要求；公司所属领域；职位ID；职位福利；职位名称；薪⽔；⼯作年限要求
第三步数据清洗
数据清洗步骤：选择⼦集——列名重命名——删除重复值——缺失值处理——⼀致化处理——数据排
序——异常值处理
1. 选择⼦集
隐藏不重要的列。如公司全名、公司ID、公司简称3列中保留公司简称⼀列即可。
选择我们感兴趣的列，隐藏
如何取消隐藏？ 全选表格——开始——格式——隐藏和取消隐藏
如何取消隐藏？
2. 列名重命名
对英⽂列名可以翻译成容易理解的中⽂名
3. 删除重复值
职位ID为应聘职位的唯⼀标识
如何删除重复值？
解决办法：全选表格——数据选项卡——删除重复值——取消全选——勾选“公司ID”——确定——点击Excel保存按钮⽣效
4. 缺失值处理
如何统计缺失了多少数据？如何定位到所有缺失值？如何⽤⼈⼯⼀次性补全所有缺失值？
分别选中”公司ID“和”城市“列——查看右下⾓，计数5032，5030——”城市“列的缺失数量=“职位ID”列总数-“城市”列总数——选中“城市”列，打开定位条件（Ctrl+G）——⼿⼯输⼊补全缺失值，Ctrl+Enter
对于缺失值如何处理？
法① ⼈⼯⼿动补全（适合缺失数据量⽐较少的情况）
法② 删除数据
法③ ⽤平均值代替缺失值
法④ ⽤统计模型计算出来的值代替缺失值
5. ⼀致化处理
对“公司所属领域”列
对“公司所属领域”列使⽤分列功能：复制该列⾄最后⼀列——数据选项卡——分列
对“薪⽔”列，拆分成“最低薪⽔”和“最⾼薪⽔”，然后计算“平均薪⽔”。
对“薪⽔”列
例如："7k-9k"（注意这⾥是⽂本格式）
法①：分列——替换字符串"k"
法②：函数（find,left,right,mid）
查函数
find函数：查⼀个字符串在另⼀个字符串中出现的起始位置。find(要查的字符串，字符串所在单元格位置)
find函数
截取字符串
left函数
left函数：left(字符串所在单元格位置，从左开始到XX位置进⾏截取)
right函数：right(字符串所在单元格位置，从右开始到XX位置进⾏截取)
right函数
mid函数：mid(字符串所在单元格位置，开始位置，截取长度)
mid函数
例如：A2="7k-9k"
FIND("k",A2) 得：2
LEFT(A2,2) 得：7k
LEFT(A2,FIND("k",A2)-1) 得：7——最低薪⽔
MID(A2,FIND("-",A2)+1,LEN(A2)-FIND("k",A2)-1) 得：9——最⾼薪⽔
如何⾃动填充函数？
解决办法：1. ⿏标放到单元格右下⾓，⾃动变成⼗字架形状 2. 双击⼗字架，将函数应⽤到这⼀整列数据上
筛选（即按条件查数据）
筛选
数据选项卡——筛选——最低薪⽔/最⾼薪⽔——#VALUE！——筛选错误值
对错误值进⾏处理，错误原因：薪⽔列显⽰如“7k以上”“7K-9K”
如何将“字符串”类型的数字转换成“数值”类型的数字？
分列转换成数字类型
插⼊新的⼀列——选择原来列，复制——选择性粘贴
选择性粘贴，选择数值、运算⽆——分列
注：分列的功能真的很强⼤啊
之后⽤AVERAGE函数就可以计算“平均薪⽔”。
6. 数据排序
对平均薪⽔进⾏排序：选中“平均薪⽔”列——降序——排序提醒：扩展选定区域
7. 异常值处理
数据透视表原理：①数据分组（split）②应⽤函数（apply）③组合结果（combine）
即先按某种属性对数据进⾏分类（如：报考专业、性别），然后对分组后的数据每组进⾏分析计算，最后对计算结果进⾏汇总。
插⼊选项卡——数据透视表——新⼯作表——勾选“职位名称”——将“职位名称”拖到“⾏”和“
值”（即完成数据分组和应⽤函数）
两张表格查重复数据⾏标签下拉框——其他排序选项——降序排序（Z到A）计数项：职位名称，摘要：依据“计数项：职位名称”按降序对“职位名称”排序——确定
截取图⽚
到这⾥我们可以看到“不同职位名称”下“职位数量”的⼀个降序排序，其中有⼀些并不是数据分析师的岗位，如“⼤数据开发⼯程师”，“⼤数据架构师”等等。
如何去除异常值？如何把不属于数据分析师的职位去除？
解决办法：思路——把属于数据分析师的职位设置为“是”，不属于数据分析师的职位设置为“否”。利⽤函数+筛选功能
在”职位名称“列后⾯加⼊⼀列
①find({"数据运营","数据分析","分析师"},L2) PS：注意参数是⼀个数组
②count(find({"数据运营","数据分析","分析师"},L2))
③if(count(find({"数据运营","数据分析","分析师"},L2)),"是","否")
筛选”是“的单元格——新建⼀个excel⽂件，招聘⽹站数据-数据清洗结果——把数据复制到这个新建的excel⾥
第四步数据分析或者构建模型
解决某⼀类问题的办法都可以叫模型
利⽤数据透视表
问题1：在哪些城市到数据分析师⼯作的机会⽐较⼤？应该去哪个城市⼯作？
解决办法：插⼊选项卡——数据透视表——勾选”城市“；列：⼯作年限要求；⾏：城市；
值：计数项：城市——点击“计数项：城市”⾏标签——其他排序选项——降序排序 计数项：城市（即按降序对”城市“排序）
城市⼯作机会
如何按百分⽐显⽰数据？
解决办法：选中任意数据单元格——⿏标右键——值显⽰⽅式——列汇总的百分⽐
结论
可以看到数据分析师职位需求排在前三的分别是：北京、上海、深圳。因此去这些城市⼯作机会⽐较多。
问题2：该⾏业的平均薪酬如何？
分析⼯具库——数据选项卡——数据分析——描述统计——
解决办法：⽂件——选项——加载项——Excel加载项 转到——分析⼯具库
具体操作步骤
输⼊区域：”平均薪⽔“这⼀列的数据（注意：不能包括列名）
勾选”标志位于第⼀⾏“：表⽰第⼀⾏是列名不包括在计算⾥⾯
得到的描述统计信息
描述统计分析：平均，标准误差，中位数，众数，标准差
标准差——衡量⼀组数⾃⾝的离散程度
标准误差——衡量观测值与真值之间的偏差
结论
数据分析师⾏业薪酬的平均值为
，中位数为
，众数为
，标准差为
。可以看出⾏业整体薪酬⽔平较⾼，但波动幅度较⼤。问题3：不同城市的平均薪⽔⽐较
解决办法：数据透视表——⾏：“城市”；

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。