数据分析一共有五大步骤：

明确问题：想从数据里面获得什么信息，分析什么问题；理解数据：理解数据横、列，代表的信息是什么。数据清洗：目的是保留必要的信息，或者将信息的格式规范统一，便于分析。一般占到数据分析总时间的60%。数据分析or构建模型：数据可视化：

用一张思维导图展现今天的分享框架～

以母婴行业电商销售数据为例

原始数据清洗之前

一、明确问题：

总体来看，那种商品的销量最高？卖得最好的是哪一种规格/属性？

不同年龄段的婴儿的购买偏好（各个不同年龄段不同商品的销量排名）

不同性别婴儿的购买偏好（不同性别的婴儿不同商品的销量排名）

不同年龄段不同性别的婴儿的销量排名

不同季节的购买偏好 （不同季节的商品销量排名）

销售量如何随着时间变化（年、季度、月的销售额如何变化）

每个用户的购买记录

一级分类的商品中那一类商品卖得最好？

各个一级分类下，哪种二级分类的商品卖得最好？

二、理解数据：

看行、列，分别有什么信息

列名先全选之后自动换行，让被因为太长被遮住的内容显示出来

三、清洗数据、

1、选择子集：确定感兴趣要分析的几个列

比如这里商品属性我就可以隐藏了

隐藏：右击选中的单元格取消隐藏：开始-格式-隐藏与取消隐藏

2、列名重命名：换成自己喜欢喜好的。比如中换英。

这里没有什么需要重命名的

3、删除重复值

这个地方不需要进行重复值处理，因为可能同一个用户买了不同的商品。

但是还是示范一下如何删除重复项

删除重复值：数据-删除重复项-取消全选-选择哪些列是要删除重复项的

点击确认之后就是这样的界面

可能同一个用户ID买了不同的商品，所以我要把它们恢复，直接撤销刚刚的操作就可以了。

4、缺失值处理：有没有缺失-定位缺失-一键补全

首先知道有没有缺失值

把鼠标在每一列最上面点一点，看看右下角的“计数”，就知道有没有缺失值了。

在每一列上面点一下同时依次看下下面的计数，就知道有没有缺失了

如何定位呢？

定位：开始-查找-定位条件选择“空值”

点击确认之后，就会定位空白的地方

一次性补全

输入2，完成后同时按住ctrl+enter，其他空白就都变成2

5、一致化处理：使用分列功能

这里用另一个招聘网站的例子

比如这个公司所属领域有逗号，就可以把它分割开

复制这一列到最空一列空白列数据-分列自己在“其他”里输入分列标准

补充说一下Excel常用的一些函数。

什么是函数呢？函数是一个工具。把函数想像成榨汁机就行了。不用知道原理，只要知道扔进去水果，会有果汁出来。同样，函数就是，扔进去一些数据，出来想要的数据。

先说平均数。还是以招聘网站的信息为例。

比如薪水有个范围，我们就把它设置成最低薪水和最高薪水，然后在最低薪水和最高薪水之间算一个平均数。

插入函数的步骤

点击空白单元格-公式-插入函数-直接检索需要的函数-插入，然后根据提示在函数的参数位置输入数据，如下图。

但是每一个都这样输入非常麻烦，怎么办呢？

两个办法，第一个办法是使用分列，分列标准是xK-xK中间的“-”，然后再用“k“为分列标准再分一次。具体分列方法如上。就可以得到这样的数据界面。

下面说第二种方法，用查找和截取字段的函数把数字单独分离粗来。

用find函数，查找一个字符串在另一个字符串中的位置。比如，在7k-9k中，第一个k的位置就是2。

下面几个函数经常和find函数一起使用完成字符串截取的工作。所以肯定会用到函数的嵌套了。

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）。如=LEFT（M2,2)

（“XX位置”是某一个数，同时包括了XX位置的内容。所以有的地方需要-1）

（比如这里2就是这个“XX位置”，怎么得来的呢？用find函数嵌套进left函数）

（所以k也被算进去了，所以我要在find函数后面-1）。不理解也没关系，一步步来，先不-1，试一下就知道k会被截进去。

这里的find是刚刚写好的，现在可以直接用，在前面写left就行。

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）。如RIGHT(M2，2）

mid函数：=MID（字符串所在单元格位置，开始位置，截取长度）。如

开始位置，是中间的-，用find查找。嵌套进mid中。

-的位置：FIND("-",M2)

因为数字在后一位，所以+1，FIND("-",M2)+1。开始位置是FIND("-",M2)+1。

截取长度比较复杂。要用整个字符串的长度，减去-所在的长度。剩下绿色的部分。现在只要保留数字，所以还要-1。长度是len(M2)-FIND("-",M2)-1。

最后得到最高薪水的数字如下

个人觉得，还是分列比较好用一点呢。函数脑子不太容易转。当然可以实践一下。

自动填充不用说了，鼠标放在单元格右下角，出现黑色十字架之后，然后按住鼠标，把那个十字架往下拖。

做到这里没有结束，要看一下有没有什么异常值。用筛选功能。拉到最下面。

会发现这里有异常值，是因为有的薪水项，k是用大写K表示的。一起替换一下就行了。

数据清洗可能不是一次性的，可能不同的环节会进行多次。

这种形式的错误这么处理呢？点击一个这样的单元格，然后会发现是字符串，而不是数字。怎么处理呢？

先复制数值。一定是选择性粘贴。

在进行分列处理

然后会发现复制之后单元格的绿色图标（标注是字符串）没了。

把复制之前的隐藏掉就行了。

然后再计算一次平均数～

6、数据排序

这就不用多说了吧。

7、异常值处理：需要用到数据透视表的功能

数据透视表的原理（SAC）：按照一定的属性将数据进行分组（split）、应用函数（apply）、对上一步函数的计算结果进行汇总组合（combine）

如何实现呢？

选中按照什么列名分组之后，拖到行标签这里再拖到列，表示把这一列中各个项目出现的次数进行计数

这张图来说明如何处理异常值。

左边黄色框出来的，就是异常的，不涉及数据分析的工作。用到3个函数

首先用find函数，找出关于“数据分析师”字眼的，此时find函数中，参数是一个数组{"数据分析","数据运营","分析师"}。

然后会变成这样，

在用count函数计数，确定这个数组参数中的值出现了几次，

就把上面的第1、3个参数出现（出现两个参数）整合成次数2了。

最后用if确定，只要这个count的值不等于0，就是“是”

再往下拉几个，就可以全部判断是不是数据分析师的岗位了。

最后进行筛选就可以了，最后只剩下数据分析师的岗位～

数据清洗工作基本到这里就结束了～虽然有点麻烦，但是只要清洗好了，后期分析起来，完全不是问题。磨刀不误砍柴工。

四、数据分析

另外，按照上面的方法，还可以探寻其他问题的答案，比如在哪个城市找到数据分析师的机会可能更大？或者说那个城市对数据分析师的需求最大。

还想看看列这里按照工作年限有什么区别，那就把工作年限拖到列那里

可以看到1-3年和3-5年的工作年限，是需求最大的。

用列百分比的方式显示，出现的表格就是百分比显示的了～

怎么看平均工资呢？

先加载勾选一下分析工具

然后按照下图中的进行勾选设置命名～

得到这样的数据

最后看看不同城市的薪水平均值，需要用到数据透视表。行有城市，另外值的计算加上平均数就行。记得最后把值汇总依据调整成“平均数“，不然就会算成求和的。。。

最后得到这样的数据

再看看不同年限的平均薪水变化

可以看到还是越老越吃香的～

五、其他

接下来说明日期的处理问题

需要用到“数据-分列”功能，前两步都是一样的

但是到第三部的时候，需要勾选到“日期”，YMD的格式了

然后会发现有了统一的格式

如果不是一样的，右键单击选择设置单元格格式

在日期这里选择一种格式即可

接下来使用透视表按月或季度看数据

在日期这一列右键单击选择“组合”就可以出现这样的界面，选择月、季度、年，就可以按这个分组看数据了

如何按周汇总数据呢？

也是在组合对话框中设置

接下来就是按周汇总的数据

和上述分析平均数的方法一样，在值字段汇总这里，把“求和”设置成“最大值，就能看到每个月的最大销售量

再来说说vlookup函数

（找什么、在哪找、第几列、准确找还是近似找）

点击插入函数之后，就会出现四个空格，分别对应

在哪找第几列

精确找是0，近似找是1。

最后出现这样的结果

那如何查找重复值呢？

第一个方法添加辅助列，找什么的时候，点击“辅助列”对应的单元格

如何用vlookup对数据进行分组？

先要确定一个分组，也就是查找范围

区分三种引用：

相对引用：A1;。拖动的时候，引用的也会跟着拖动 。A1，F4按四次

绝对引用：$A$1 （按住f4可以实现）。不管怎么拖动，引动的那一个单元格都不动。$A$1，F4按一次。

混合引用：$A1 或 A$1 。行或列不动。谁前面有$美元符号，谁不动。 A$1，F4按两次；$A1，F4按三次。

下次分享数据可视化～嘻嘻