书名：Excel + Python轻松掌握数据分析
ISBN：978-7-115-62381-2
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 曹化宇
责任编辑 秦 健
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
本书重点介绍了目前处理数据非常有效的工具——Excel、Python和数据库的应用知识。本书通过一则完整的故事讨论了如何以Python编程为中心，结合Excel和数据库的特点，并以基础统计学贯穿其中，帮助读者深入地了解数据分析的相关知识。在本书中，首先，讨论了如何使用Excel整理数据，以及Excel中数学和统计函数的应用；其次，探讨了与Python编程相关的数据分析内容，包括在Python中进行数据统计工作，以及各种格式数据的转换等；然后，讨论SQLite和MySQL数据库的应用，并介绍了如何使用Python操作数据库；最后，介绍了如何综合使用Excel、数据库和Python编程等工具打造自动化的数据处理中心。
本书架构清晰，内容深入浅出，案例丰富，适合需要进行数据处理和统计分析的职场人士、计算机爱好者等阅读。
大数据时代给社会、经济等方面带来的影响是革命性的。在工作和生活中，数据无处不在，时时刻刻地影响着我们。大数据在让生活变得更加智能、更加便捷的同时，也产生了数据滥用等一系列问题。那么如何才能在数据的世界中不迷失方向呢？如何判断数据是反映实情还是另有所图呢？最有效的方法就是自己掌握“大数据”这一有力的武器，做数据的驾驭者。
办公自动化、机器人流程自动化（Robotic Process Automation，RPA）、人工智能（Artificial Intelligence，AI）、机器学习、深度学习、数据挖掘等概念和应用也在不断地深入人们生活和工作的各个方面。虽然本书并没有提及这些概念，但随着学习的深入，读者可以发现，本书的很多知识点都是这些领域的应用基础。
在数据分析工作中，最重要的是掌握各种数据处理工具和方法，并针对特定问题具体分析，了解数据背后的真实情况，只有讲好数据的故事，才能从数据中获取真正有用的信息。本书涵盖的内容包括从Excel到数据库，再到Python编程，整合数据处理全流程，并以基础统计学贯穿其中，相信能够帮助职场人士、自由职业者、在校大学生甚至是高中生掌握运用大数据的必要技能，充分发挥数据的能量，提高工作和学习效率，真正畅游大数据时代。
本书主要内容可以划分为4个部分。第一部分包括第1章到第3章，主要讨论如何使用Excel整理数据，以及如何使用Excel进行基本的数据统计。
第1章首先介绍了如何通过Excel将数据整理为标准的二维表形式，包括如何处理空值、异常值和数据格式等；然后，讨论了定量与定性数据、绝对量与相对量的概念；最后，介绍了如何进行数据的排序、筛选，以及Excel和CSV数据的转换。
第2章介绍了常用的统计概念及其在Excel中的实现方法。此外还讨论了如何正确地使用折线图、饼图和条形图，以及如何从多个角度思考数据所反馈的信息。
第3章介绍了如何从多个维度观察数据的增长问题。当数据有多个来源，且数据量快速增长时，Excel在功能和性能等方面的不足也会体现出来，此时则需要更强大的数据处理工具。
第二部分包括第4章到第9章，主要介绍了Python编程基础、数据处理、常用的数学和统计库，还讨论了如何通过pandas模块处理数据集合、二维数据，绘制图表等，以及常用数据格式之间的转换。
第4章首先说明了如何在Windows 10操作系统中创建Python环境；然后，介绍了Python编程基础、函数与lambda表达式、面向对象编程、模块化管理、代码流程控制，以及代码运行错误的捕捉和处理。
第5章介绍了如何在Python中处理数据和集合，内容包括算术运算、随机数、序列、字典、集合、数学计算和统计资源、数据排序、按拼音排序、日期与时间处理等。
第6章介绍pandas模块的应用基础，以及如何使用Series对象处理数据集合。
第7章介绍如何使用pandas模块的DataFrame对象处理二维数据，以及如何进行数据的整理和统计等。
第8章介绍如何将Series和DataFrame对象中的数据绘制为统计图，如饼图、散点图、气泡图、折线图、条形图和箱线图。
第9章介绍了如何在Python中操作Excel文件、CSV数据，以及如何通过pandas模块操作Excel和CSV数据。
第三部分包括第10章到第13章，主要讨论了SQLite和MySQL数据库的应用，以及如何通过Python操作数据库。
第10章介绍了SQLite3数据库的应用。内容包括关系型数据库的基本概念，创建表及添加字段、创建索引，CSV数据的导入，以及如何添加、修改、删除和查询表中的数据，最后讨论了日期和时间数据的处理方式。
第11章讨论了如何使用Python内置的sqlite3模块操作SQLite数据库。内容包括数据库的连接、执行SQL语句、读取查询结果，以及如何通过Python扩展SQLite数据库的自定义函数、聚合函数和排序规则关键字，并对常用代码进行了封装。此外还介绍了如何使用pandas模块读写SQLite数据表。
第12章介绍了功能更多、性能更强的MySQL数据库及其操作方法。内容包括MySQL服务器的安装与配置，数据库和数据表的管理，CSV数据的导入，数据的添加、修改、删除和查询，以及索引、视图、存储过程和内置函数的应用等。
第13章介绍了如何在Python中通过MySQLdb模块操作MySQL数据库。内容包括数据库的连接、执行SQL、调用存储过程、读取查询结果等，并介绍了如何对常用操作进行封装。最后讨论了如何通过pandas模块读写MySQL数据表。
第四部分包括第14章到第16章，主要讨论如何综合使用Excel、数据库和Python编程等工具打造自动化的数据处理中心。
第14章讨论了如何打造自己的“数据中心”，以及如何将Excel数据进行标准化整理后自动导入数据库。此外还介绍了更多数据格式的处理，如HTML表格、JSON、从图片中识别数据等。
第15章讨论了文本数据的处理，包括字符串的处理和正则表达式的应用。此外，还讨论了如何从文本中提取关键信息，并根据这些信息实现商品推荐功能。
第16章讨论了如何在“数据中心”中自动生成报表，以及如何进一步学习数据分析。
本书适合如下读者阅读。
● 需要进行数据处理和统计分析的职场人士、计算机爱好者等。
● 已有Excel应用经验，需要掌握Python、数据库等更多数据处理工具的读者。
● 需要学习Python编程，提高办公自动化水平的读者。
由于作者的水平有限，编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。
祝大家在大数据世界中玩得开心！
作者
本书提供如下资源：
● 本书源代码；
● 书中图片文件；
● 本书思维导图；
● 异步社区7天VIP会员。
要获得以上资源，您可以扫描下方二维码，根据指引领取。
作者和编辑尽最大努力来确保书中内容的准确性，但难免会存在疏漏。欢迎您将发现的问题反馈给我们，帮助我们提升图书的质量。
当您发现错误时，请登录异步社区（https://www.epubit.com），按书名搜索，进入本书页面，点击“发表勘误”，输入勘误信息，点击“提交勘误”按钮即可（见右图）。本书的作者和编辑会对您提交的勘误进行审核，确认并接受后，您将获赠异步社区的 100积分。积分可用于在异步社区兑换优惠券、样书或奖品。
我们的联系邮箱是contact@epubit.com.cn。
如果您对本书有任何疑问或建议，请您发邮件给我们，并请在邮件标题中注明本书书名，以便我们更高效地做出反馈。
如果您有兴趣出版图书、录制教学视频，或者参与图书翻译、技术审校等工作，可以发邮件给我们。
如果您所在的学校、培训机构或企业，想批量购买本书或异步社区出版的其他图书，也可以发邮件给我们。
如果您在网上发现有针对异步社区出品图书的各种形式的盗版行为，包括对图书全部或部分内容的非授权传播，请您将怀疑有侵权行为的链接发邮件给我们。您的这一举动是对作者权益的保护，也是我们持续为您提供有价值的内容的动力之源。
“异步社区”（www.epubit.com）是由人民邮电出版社创办的IT专业图书社区，于2015年8月上线运营，致力于优质内容的出版和分享，为读者提供高品质的学习内容，为作译者提供专业的出版服务，实现作者与读者在线交流互动，以及传统出版与数字出版的融合发展。
“异步图书”是异步社区策划出版的精品IT图书的品牌，依托于人民邮电出版社在计算机图书领域30余年的发展与积淀。异步图书面向IT行业以及各行业使用IT技术的用户。
一一是位活泼又好学的女孩，我们的故事就从一一大学毕业，回到父母经营多年的服装公司开始讲起……
在互联网时代，传统的经营模式正在发生巨大的变化，而一一家的服装公司正呈现销量下降的趋势。一一决定改变这一状况。她首先需要了解自己家的产品，如服装的款式、库存、销售情况等。使用Excel统计数据并不难，工作人员很快就提供了服装库存和销量的数据统计表，如图1-1所示。
图1-1
可以看得出，这是一张很“标准”的统计表，但使用它几乎做不了任何数据分析！
一一问答
一一问：为什么说使用这张统计表做不了任何数据分析呢？
答：这张统计表比较适合呈现最终的数据，如果想要对表格中的数据进行计算和分析就会产生一些问题。
首先，计算机程序处理数据时需要使用标准的数据结构，如二维表形式，但是，此统计表包含了标题和大量的合并单元格。
其次，此统计表中的数据似乎并不完整，如服装部分尺码的库存数据缺失。
然后，此统计表中的定价、库存和销量数据包含了单位，这样是无法进行计算的。
最后，此统计表只有销量数据，没有销售渠道和客户信息，无法进行更多、更深入的数据分析。
一一问：看起来的确是这样的，那么如何对这些数据进行计算和分析呢？
答：进行计算和分析之前需要对数据进行整理，下面将介绍一些常用的数据整理方法。
在准备计算和分析的数据时应关注真正的数据，不需要进行过多装饰。整理Excel数据的目的包括完成数据格式的最简化和标准化，并保证数据的完整性和正确性。需要注意的事项如下。
● 要使用纯粹的二维表格式，不要将单元格合并，只保留数据和列标题即可。特殊情况下数据表也可以只包含数据，但对每一列的数据应有明确的解释。
● 注意空白单元格。在数据处理过程中，没有数据（空值）和0是两个不同的概念。如果必须有数据，可以使用一个约定的默认值，比如，数值类的数据常使用0作为默认值。
● 不要使用组合数据，如金额则直接使用数据（如“199”），不需要包含单位（如“199元”）。需要明确数据单位时，可以在列标题中标注，如“金额（元）”。
● 数据表的每一列应该使用相同的数据类型，如数值、文本、日期等，并约定固定的格式，如保留多少位小数。
● 一张数据表只能有一个主题，不要将过多的数据组合在一张表中。需要时可以通过适当的数据冗余关联多个表格的数据，比如通过货号、客户代码、销售渠道关联服装信息、客户信息和销售情况等数据。
下面将分别讨论相关主题。
二维表是最常见的数据统计形式，而Excel表单（Sheet）就是典型的二维表。图1-2显示了Excel表单的数据区域。
图1-2
在Excel表单中，列索引使用字母，行索引使用数字，定位单元格时则使用列索引和行索引的组合，图1-2中选中的单元格是第一列第一行，位置为“A1”。此外，单元格内容可能是数据，也可能是公式，我们可以设置其显示格式，所以，单元格显示的内容和输入的实际内容可能不一致。图中“单元格内容”所指向的“编辑栏”显示的就是单元格的实际内容。
将数据整理为标准的“二维表”格式时，还需要删除标题、取消单元格合并，整理后的表格格式如图1-3所示。
图1-3
取消单元格合并时，我们修改了“库存”的列标题结构，不再将库存分为主标题、子标题，而是将多个尺寸类型分别作为库存数据的列标题。
在实际工作中，我们可能还习惯对分类进行单元格合并，如图1-4所示，这种形式的合并单元格同样需要取消。
图1-4
整理后，表格中所有列的行数量相同，所有行的列数量也相同，这就是标准的二维表数据结构。
一一问答
一一问：这种纯粹的二维表似乎不太美观？
答：从某些角度来看是这样的，但这里需要重申，我们关注的是数据，标准化的数据结构是数据计算和分析的前提条件。在完成数据计算和分析工作后，我们可以通过精心设计的报表和图形展示结果。
一一问：我还收到过如图1-5所示的数据格式，可不可以将行和列交换呢？
图1-5
答：是可以的。在数据处理中，行和列交换称为数据的旋转。在Excel中可以先选中数据并复制，然后在粘贴数据的位置点击鼠标右键，在弹出菜单中选择“选择性粘贴”命令，在“选择性粘贴”对话框中选择“转置”并点击“确定”按钮，如图1-6所示。
图1-6
通过“转置”就可以完成数据的旋转操作，结果如图1-7所示。
图1-7
获取数据后还需要对数据的完整性和正确性有一个初步的判断。相关的注意事项包括以下几个方面。
● 缺失的数据。对于明显不应该缺少的数据，如服装的库存数据，我们应该核实数据，如果确实没有数据，可以使用约定的默认值，如0。
● 错误的数据。有些数据过大或过小都可能是不合理的，如服装的价格为负数就是不对的。
● 重复的数据。比如，相同货号的服装信息出现多次，要核实是货号错误还是确实需要冗余数据。
想要在Excel中处理缺失的数据，首先可以查找表中的空白单元格。通过Excel菜单栏的“开始”选项卡中的“查找和选择”→“定位条件”打开“定位条件”对话框，然后选择“空值”，如图1-8所示。
图1-8
点击“确定”按钮后，Excel会自动选中数据区域中的所有空白单元格，如图1-9所示。
图1-9
选中空白单元格以后还需要进行观察，如果确认使用默认值0，可以在编辑栏中输入“0”，然后按下Ctrl+Enter组合键进行确认。这样，所有选中的单元格数据都会修改为0，如图1-10所示。
图1-10
如果只需要检查某一列或多列数据中的空白单元格，可以选中这些列，然后打开“定位条件”对话框并选择“空值”，如图1-11所示。
图1-11
在图1-11中，点击“确定”按钮后会选中D列和E列这两列数据中的空白单元格。同样地，在编辑栏中输入“0”并按下Ctrl+Enter组合键进行确认。这样，两列数据中空白单元格的数据会修改为0。
需要删除重复数据时，可以通过Excel菜单栏的“数据”选项卡中的“删除重复值”命令进行操作。对服装来说，货号可以作为唯一标识的数据。如图1-12所示，这里选择“货号”列作为删除重复数据的依据。
图1-12
在示例中，货号为“a22002”的记录有两条，点击“确定”按钮后会删除其中一条。
一一问答
一一问：我还没看见哪些数据重复了，能不能不删除重复数据，只将它们标记出来？
答：当然可以。我们还以“货号”为例，首先选中“货号”列，然后选择Excel的“开始”选项卡中的“条件格式”→“突出显示单元格规则”→“重复值”命令，在“重复值”对话框中选择“重复”值并设置自己喜欢的颜色，如图1-13所示。
图1-13
点击“确定”按钮后，重复的“货号”数据会显示为指定的颜色，如图1-14所示。
图1-14
标记重复的数据后，可以根据实际情况整理。如果货号错误就修改货号数据；如果重复数据则删除多余的数据，只保留一条记录。
一一问：可不可以将相同的数据排列在一起？
答：通过排序就可以完成这项工作，稍后将讨论相关内容。
在Excel表单中，由于包含单位的组合数据无法直接进行计算，因此需要删除定价、库存和销量数据中的单位，只保留数值部分。
我们可以使用不同的方法来提取数据的一部分。如果数据的长度是固定的，如“定价”列的数值部分都是3位数字，单位都是“元”，这样的数据可以通过“分列”功能来操作。
首先选中“库存S”列，通过点击鼠标右键菜单“插入”命令来添加一列，如图1-15所示。
图1-15
接下来选中“定价”列，然后选择Excel菜单栏的“数据”选项卡中的“分列”命令来打开文本分列向导。
第1步，选择“固定宽度”并点击“下一步”按钮，如图1-16所示。
图1-16
第2步，在“数据预览”对话框中通过鼠标拖拽将分割线移动到“元”字前，然后点击“下一步”按钮，如图1-17所示。
图1-17
第3步，可以根据实际情况指定列的数据格式，如图1-18所示。
图1-18
点击“完成”按钮完成分列，操作结果如图1-19所示。可以看到，“定价”列的数据已拆分为数值和单位两列数据。
图1-19
接下来还应该检查“定价”列的数据，没有问题后可删除单位列，这样就完成了“定价”列数据的提取工作，如图1-20所示。
图1-20
一一问答
一一问：我尝试对“库存S”列的数据进行分列操作，结果如图1-21所示，似乎有些数据不能成功拆分？
图1-21
答：的确是这样的。当数据长度不一致时，分列操作的结果可能无法令人满意。这里我们需要取消操作，将数据恢复到图1-20所示的内容。
一一问：有没有更合适的方法来提取数值呢？
答：可以使用公式。针对图1-20中的数据，首先在“库存M”前添加一列，然后在新的E2单元格中输入如下公式并按下回车键。
=IF(RIGHT(D2,1)="件",MID(D2,1,LEN(D2)-1),D2)接下来选中E2单元格，并将鼠标光标移动到单元格右下角（小方块的位置），当鼠标光标变成“十”字时双击或按住鼠标左键向下拖拽，这样就可以将公式扩展到E列的其他单元格。提取的“库存S”列数据的结果如图1-22所示。
图1-22
一一问：这个公式看起来挺复杂的，可以详细说明一下吗？
答：该公式使用了4个函数，分别是LEN()、MID()、RIGHT()和IF()，下面分别介绍。
● LEN()函数可以返回字符数量，如LEN(D2)就是获取D2单元格内容的字符数量。
● MID(参数一，参数二，参数三)函数用于提取文本的部分内容，其中，参数一指定从哪里提取文本；参数二指定从第几个字符提取；参数三指定提取多少个字符。如MID("abcdefg",3,2)返回cd。
● RIGHT(参数一，参数二)函数会从文本右侧截取内容，其中，参数一指定从哪里截取文本；参数二指定截取多少个字符。如RIGHT("abcdefg",3)返回efg。
● IF(参数一，参数二，参数三)函数会根据条件返回内容，其中，参数一指定判断条件，当条件成立时返回参数二的值，条件不成立时返回参数三的值。在本示例中，IF()函数的3个参数如图1-23所示。
图1-23
一一说：看起来还是挺复杂的，我得再研究一下。
答：不着急，弄明白这个公式再继续学习也不迟。接下来还可以尝试提取“库存M”“库存L”和“销量”列的数据。提取结果如图1-24所示。
图1-24
一一问答
Excel单元格的格式非常丰富，为数据处理提供了更多的灵活性，但同时也存在一些问题，比如，我们看到的数据和单元格中的实际内容可能不一致。如果单元格内容是公式，那么通过选择或取消选择Excel菜单栏的“公式”选项卡中的“显示公式”命令，就可以在显示公式或显示计算结果之间切换。
如果只需要保留计算结果，那么可以选中公式所在单元格（列、行、区域），复制后按数值粘贴。在前面示例中，我们通过公式提取了库存和销量数据的数值部分。可以通过复制、按数值粘贴的方式保留数据，操作结果如图1-25所示。
图1-25
一一问：有些单元格左上角有个绿色的小三角，这是什么意思？
答：这表示单元格中的内容是文本格式。如果单元格内容是需要计算的数值，就必须改变这些数据的格式。
一一问：有时候设置单元格格式并不能将文本修改为数值格式，有没有其他方法能够改变数据的格式呢？
答：的确有这种情况。有时候，在一些应用系统生成的Excel文件中，数值会被设置为文本格式，并且无法通过设置单元格格式进行修改，此时可以使用Windows操作系统的“记事本”程序来过滤格式。首先在Excel表单中全选数据并复制，然后将数据粘贴到“记事本”程序中，此时粘贴的就是没有格式的数据；最后，在Excel中新建一个数据表，并将“记事本”程序中的数据全选、复制并粘贴到新表中，这样就可以得到“常规”格式的数据，如图1-26所示。
需要注意的是，如果数据中包含很长的数值（如身份证号码），或者有前导为0的内容（如电话区号、国民经济行业分类代码）等特殊格式的数据时，在新建的数据表中首先需要将单元格（列）的格式设置为“文本”，然后再粘贴数据。
图1-26
此外，针对日期和时间数据，单元格显示的内容和实际内容也不同。Excel中的日期和时间数据实际上是浮点数，其中，整数部分是日期，表示从1900年1月1日开始的第几天；浮点数部分是时间，表示当天的时间比例。如10.1就表示1900年1月10日2时24分，其中，2时24分就是144分钟，即一天1440分钟的十分之一。
此外，还需要注意数据的小数部分，在Excel中可以通过单元格格式设置显示的小数位数，但参与计算的是单元格的完整数据，可能包含了不同数量的小数位，此时需要注意计算的精度问题。
一一问答
一一问：如何才能真正保留2位小数，而不是通过设置单元格格式显示2位小数呢？
答：这里介绍两种方法。
第一种方法是使用ROUND()函数截取，如ROUND(11.1269,2)返回11.13。通过ROUND()函数截取小数位后可以通过复制、粘贴数值的方法获取包含两位小数的数据。
第二种方法是，如果在单元格格式中已经设置了显示两位小数，那么可以将数据复制到“记事本”程序中，然后再从“记事本”程序中复制数据并粘贴到Excel数据表中，这样也可以得到包含两位小数的数据。
在实际工作中，数据可能会有不同的分类和来源，如服装信息、客户信息，以及不同渠道的销售数据等。在对全部数据进行统一处理时，首先需要对数据进行合并。一般来说，常用的数据合并方式有3种，分别是垂直合并、水平合并和交叉合并。
对于“列”定义相同的数据应采用垂直合并。比如，线下、网店和直播间的销售数据就可以进行垂直合并，此时，数据结构中列的数量、数据类型和顺序要保持一致，如图1-27所示。
图1-27
水平合并一般用于对数据的扩展，比如，前面示例中的服装信息没有包含颜色和图案信息，如果另外统计了这些信息，就可以将这些数据与服装基本数据进行水平合并。水平合并时，每行数据应有一个关联数据，比如，服装可以使用“货号”数据进行关联，如图1-28所示。
图1-28
交叉合并一般用于不同类型的数据合并，如服装数据、客户数据和销售数据的合并，图1-29显示了服装和销售数据的合并，其中使用“货号”作为关联数据。
图1-29
随着数据量不断增加，无论使用哪一种方式合并数据，如果完全靠手工操作都非常容易出错。所以，对于大量数据的合并操作，使用编程和数据库技术会更加适合，本书后续会详细讨论相关主题。
如果有一个数字1，它会表示什么含义呢？如果数字没有出处，没有故事，那么它本身没有什么实际意义。本节会帮助你进一步认识数值数据，了解定量数据和定性数据，以及绝对量和相对量的概念。
当数字表示事物的数量时，它就是定量数据，如库存的服装有1035件，这里的1035就是定量数据。当数字只作为标识，而不是计数时，如1表示红色，2表示绿色，3表示蓝色，这里的1、2、3就是定性数据。
一一问答
一一问：是不是定量数据都有单位，而定性数据没有？
答：如果这样想能帮助记忆，也可以这么理解。
当数据直接表示事物的数量时，它就是绝对量；当数据表示两个数据之间的关系时，它就是相对量。
比如，一一家的网店在某一时间段共有1000名访问的客户，其中150名客户购买了商品，这里的1000和150是两个绝对量，那么这两个数据之间有什么关系呢？通过这两个数据我们可以计算从访问网店到实际购买的转化率，计算方法是购买量除以访问量再乘以100%，即150÷1000×100%＝15%，这里，转化率15%就是一个相对量。
一一问答
一一问：除了百分数以外，相对量还有其他形式吗？
答：因为百分数可以转换为小数和分数，所以，在明确数据应用场景时，相对量也可以是分数或小数。比如，6月的服装销量是600件，7月的服装销量是400件，那么可以说7月的销量只有6月的三分之二（2/3），也可以说6月的销量是7月的1.5倍。
另一种表达相对量的方法是比值，比值可以是两个数据的比值，也可以是多个数据的比值，比如，线下、网店和直播销量分别是200件、500件和300件，则3个渠道的销量比就是2:5:3。
一一问：15%的转化率似乎不太高？
答：单独来看 15%并不高，但在观察相对量时要非常小心，因为相对量表示的是两个数据的关系，解读数据时需要注意相关的绝对量，如网店有 1000 万次访问，其中有150 万名顾客购买了商品，转化率依然是 15%，但实际交易量已经是 150 万笔，而不是 150笔。
一一问：如何提高转化率呢？
答：这似乎是个经营类的问题。实际上，如果网店有2000万次访问，其中有200万笔交易，虽然转化率只有10%，但销量依然很高，所以说提高转化率并不是唯一目的，实际交易量才是最真实的销售成绩。不过，提高访问量和转化率也是提高销量的有效方法，所以在提高产品竞争力的基础上，高质量的推广工作依然很重要。
一一问：在朋友圈做广告怎么样？
答：在朋友圈做广告的确是一个快速传播信息的有效方式，也是最简单的推广方式之一，但在朋友圈做广告需要慎重，不要让朋友们觉得你是为了推销商品而交朋友。
一一问：我的朋友圈大概有200人，广告能被转发多少次呢？
答：并不是朋友圈的所有人都认可广告，保守一点估算，假设200人中有10人转发，每个人的朋友圈又有10人转发，那么广告的投放量就是：
10n+10n-1+10n-2+…+102+10
其中，n表示有多少级转发。如果n等于5，则广告投放量将达到111 110次。
一一问：数字怎么增长这么快？
答：因为使用了乘方运算，所以数据增长特别快。这种增长方式称为“指数级增长”，它还有一个吓人的名字——“病毒式传播”。
你也许听说过关于在国际象棋棋盘上放麦粒的故事，第一个格子放1粒，第二个格子放2粒，第三个格子放4粒，依此类推，64个格子能放多少粒呢？算式如下：
20+21+22+…+261+262+263
结果为18 446 744 073 709 551 615。
一一问：这么大的数据是怎么计算出来的？
答：Excel在进行这么大的数据计算时就有些力不从心了，但是用编程方式解决就很简单。在Python中显示计算结果只需要一行代码，如下所示。
print(sum([2**x for x in range(64)]))一一问：编程似乎有点意思。我们什么时候开始学习？
答：编程的确很厉害。在了解基本的数据计算和分析方法后我们就会开始学习Python编程，到时会看到更多、更灵活的数据处理功能。
在实际工作中，数据分析并不能依靠假设的数据来完成，当我们需要分析某个领域的数据时，一方面，要获取真实或者尽可能接近真实的数据；另一方面，针对每个领域的数据需要不同的分析方法。所以，面对数据时要具体问题具体对待，处理和分析数据就是发现问题、总结规律、制定目标，不断修正结论和预期的过程。
一一发动大家展开了一系列的宣传，效果还是不错的，最近一个小时的销售数据已经统计出来了，如图1-30所示。
图1-30
销售商品中金额最大的是哪一个呢？在Excel中我们可以通过降序排列来查看，首先选中“销售价格”列某个包含数据的单元格，如图1-31所示。
图1-31
然后选择Excel菜单栏的“开始”选项卡的“排序和筛选”组的“降序”命令对数据进行降序排列。排序结果如图1-32所示。
图1-32
降序排列后，最大的数据会排在最前面，可以看到，客户“c0001”和“c0003”都购买了货号为“a22002”的商品，价格为399元。
如果选择升序排列，最小的数据就会排在最前面，如图1-33所示。
图1-33
一一问答
一一问：可不可以先按客户排序，然后按购买商品的价格从大到小排列？
答：通过自定义排序可以实现。首先选中数据区域内某个单元格，然后点击Excel菜单栏的“开始”选项卡的“排序和筛选”组的“自定义排序”命令，打开“排序”对话框，如图1-34所示。在主要关键字中选择“客户代码”，然后点击“添加条件”按钮以添加次要关键字，并选择“销售价格”，再选择“数据包含标题”，在“次序”列表中选择“降序”，最后点击“确定”按钮。
图1-34
排序结果如图1-35所示。
图1-35
在很多数据分析方法中，数据的排序是很重要的，当我们提到“有序数列”时一般指一组从小到大排列的数据。有序数列可以帮助我们更便捷地分析数据，比如，有序数列中的第一个数据就是最小值，最后一个数据就是最大值等。
Excel中的筛选功能可以按值或其他条件过滤数据。还是以销售数据为例，首先选中数据区域内的某个单元格，然后选择Excel菜单栏的“开始”选项卡的“排序和筛选”组的“筛选”命令，可以看到，数据区域第一行的单元格会出现下拉菜单按钮，如图1-36所示。
图1-36
点击“客户代码”中的下三角，在下拉菜单中只选择“c0003”，即可查看客户代码为“c0003”的消费数据，如图1-37所示。
图1-37
想要取消“客户代码”筛选时，可以在下拉菜单中选择“全选”。如果需要查看“客户代码”为“c0001”和“c0003”，并且“货号”为“a22002”的商品购买记录，可以在“客户代码”和“货号”的下拉菜单选择相应的数据，筛选结果如图1-38所示。
图1-38
除了具体的数据以外，还可以按数值范围筛选。如图1-39所示，需要筛选“销售价格”大于200的数据时，可以在“销售价格”下拉菜单中选择“数字筛选”中的“大于”命令。在弹出的“自定义自动筛选”对话框中，在“大于”后的文本框中输入“200”，最后点击“确定”按钮。
图1-39
“销售价格”大于200的筛选结果如图1-40所示。
图1-40
一一问答
一一问：取消筛选应该怎么做呢？
答：想要取消所有筛选结果，即显示所有数据时，可以再次点击Excel菜单栏的“开始”选项卡的“排序和筛选”组的“筛选”命令。
一一问：可以将筛选结果保存到新的数据表吗？
答：在Excel中我们可以直接复制筛选结果，然后粘贴到新的数据表中。
在处理数据的过程中，我们经常需要将数据在不同格式之间进行转换，如Excel就可以导出或导入多种格式的数据。本节将介绍数据在Excel和CSV格式之间的转换。
Excel可以直接将表单数据保存为CSV格式。方法是在“另存为”对话框的“保存类型”下拉列表中选择“CSV(逗号分隔)(*.csv)”，如图1-41所示。
图1-41
一一问答
一一问：我这里有一些CSV格式的客户信息，可以转换为Excel的相应格式吗？
答：通过Excel可以很方便地导入多种格式的数据，当然也包括CSV格式的数据。下面介绍具体的操作方法。
图1-42显示了从某平台导出的CSV格式的客户信息，其中，“电话”数据中有手机号码，也有包含区号的固定电话号码，请注意，电话区号是以0 开始的，因此导入和处理这样的数据需要使用“文本”格式。
图1-42
针对不同版本的Excel，导入数据的方式会有一些区别。图1-43显示的是Excel 2019的操作选项。我们可以从Excel菜单栏的“数据”选项卡中选择“从文本/CSV”命令以完成数据的导入。
图1-43
选择CSV文件后，Excel会自动分析数据，如图1-44所示。可以看到“电话”列的前导0并没有显示，这是因为“电话”数据被当作数值类型处理了。
图1-44
点击“转换数据”按钮后进入Power Query编辑器。在这里可以修改“电话”的数据类型，默认为整型，定义为“Int64.Type”。我们将“电话”的数据类型修改为“type text”，即文本类型，此时，“电话”区号中的前导0就可以正确显示了。最后点击“关闭并上载”命令以确认数据导入，如图1-45所示。
图1-45
导入的数据默认启用了数据“筛选”功能，如图1-46所示。
图1-46
而Excel 2016的导入过程与上述过程有一些区别。
第1步，点击Excel菜单栏的“数据”选项卡的“自文本”命令以打开导入向导，如图1-47所示。
图1-47
选择CSV文件后点击对话框右下角的“导入”按钮进入“文本导入向导”对话框，由于示例中的CSV数据使用了逗号分隔符并包含了列标题，所以这里需要选择“分隔符号”和“数据包含标题”，如图1-48所示。
图1-48
第2步，根据实际的数据格式选择分隔符，这里选择“逗号”作为数据分隔符，然后点击“下一步”按钮，如图1-49所示。
图1-49
第3步，设置各列的数据格式，如图1-50所示。
图1-50
在此步骤中，需要将“客户代码”“昵称”和“电话”3列都设置为“文本”格式，并点击“完成”按钮。
第4步，在“导入数据”对话框中点击“确定”按钮以完成导入。操作结果如图1-51所示。可以看到，将“电话”列设置为“文本”格式后，电话区号中的前导0可以正确显示。
图1-51
一一问答
一一问：将CSV数据导入Excel时，设置数据类型和格式似乎很关键？
答：的确是这样的。Excel会自动匹配数据格式，但在一些特殊情况下还是需要人工干预的，比如有前导0的数字（电话区号）、长数字（身份证号码）、浮点数、日期和时间等。
