最新Python大数据之Excel进阶

简介: 最新Python大数据之Excel进阶

Excel图表类型

为了揭示数据规律

为了有说服力、促进沟通

专业的图表可以展示专业素养

了解有哪些图表类型

柱状图

折线图

饼图

面积图

雷达图

Excel图表使用

图表的创建方式

图表的数据源一般是统计汇总表或者是数据量比较少的明细表

根据数据源的不同,基础图表创建的方法有2种:

1.利用固定数据区域创建图表,即根据工作表中某个固定的数据区域创建图表

2.利用固定常量创建图表,即创建图表的数据为固定的常量数据

利用固定数据区域创建图表

1.利用连续区域的所有数据

使用工作表中连续区域的所有数据,只需单击该数据区域的任一单元格,通过插入图表命令插入图表即可

选定部分数据

先选择建表要用到的数据,再通过插入图表命令插入选定类型的图表

利用固定常量创建图表

•选中任意单元格,点击插入标签,选择合适类型的图表

•此时会插入一个空白的图表,我们选择图表,切换图表设计标签,点击选择数据图标。

•选择添加按钮,添加数据源

输入坐标名称和数据。

•选择要在图表上显示的数据信息,点击编辑对周标签进行编辑

点击确定,生成图表

图表介绍

图表创建完成后。用户如果发现创建的图表与实际需求不符,还可以对其进行适当的编辑

更改图表类型

1.图表创建完成后,发现图表类型不能满足可视化分析的需求,可以更改图表的类型

在图表上右键点击,唤出菜单,选择更改图表类型。

•选择你要修改的图表类型,点击确定,图表类型更换完成

1.有些情况下,需要把某个数据系列设置为另一种图表类型

•同样右键点击,唤出下拉菜单,点击更改图表类型。

1.增加数据系列

通过图表设计中的选择数据对话框,重新选择数据

•选中所要添加数据系列的图表

编辑数据系列

•右键或切换到图表设计标签,点击选择数据图标

点击向上箭头,重新框选数据区域。

•此时,新选中的数据系列已经在列表当中,点击确定,完成系列增加。

1.当然,还有一种更简便的方法通过ctrl+c ctrl+v 快捷键添加数据列

•鼠标选中要添加的数据序列,按ctrl+c

选中图表,按ctrl+v

并不是所有图表都需要图例,图表上一般默认带有图例,可以对它进行删除/添加/修改位置等操作

•可以通过菜单操作,也可以通过鼠标拖动选择

除了饼图和圆环图外,其它的标准图图表一般至少有两个坐标轴

新创建的图表默认没有坐标轴标题,添加坐标轴标题可以使坐标轴意义更加明确

•通过图表设计选项卡 —> 添加图表元素 —> 坐标轴标题选项 可以设置坐标轴标题

添加数据标签

1.数据标签是指图表中显示图标有关信息的数据。

•选择图表设计标签,选择添加图表元素标签—>数据标签—>最佳匹配,可以自动适配数据标签。

1.添加的数据标签默认都是数值,某些情况下需要用百分比等其它形式展示,可以进行修改

右键图表,唤出菜单,选择设置数据标签格式。

•将空色框内的标签进行修改,将”值“改为”百分比“,则修改成功。

格式化图表

保证图表的完整性

一个完整的图表必须包含以下基本元素:图表标题、数据系列、图例、坐标轴、数据单位

格式化图表区/绘图区

图表区格式的设置主要包括字体、背景填充、边框、大小、属性等

格式化图表标题、坐标轴标题、图例

图表标题、坐标轴标题和图例的设置比较简单,一般包括字体、边框、对齐方式、位置等的设置

格式化坐标轴

坐标轴包括分类轴和数值轴,设置的项目包括字体,线条,填充,对齐方式,坐标轴选项等

格式化数据序列

数据序列需要格式化的内容可能包括:①设置边框/填充色 ②分类间距和重叠比例 ③坐标轴位置

数据标签主要包括标签内容、标签位置、字体、对齐等

Excel数据透视表

数据透视表对原始数据的要求

所有数据在一张表里

透视表的原始数据需要放在一张工作表里,而不是分多张工作表放置。

如果数据是按月份/品类/规格放在不同的工作表,将先将不同工作表合并到同一张表中再建立数据透视表

数据必须是一维表格,不是二维表

数据透视表的原始数据应该是一维表格,即表的第一行是字段名,下面是字段对应的数据。

二维表将无法顺利建立数据透视表。

表中不要有空值

原始数据不要出现空行/空列。如数据缺失,或为“0”值,建议输入“0”而非空白单元格。

如下图所示,表的第一行为空白,会导致透视表字段出错,表中间有空行,会导致透视表中有空值。

表中不要有合并单元格

数据透视表的原始表格中不要有合并单元格存在,否则容易导致透视分析错误

填充合并单元格办法:取消合并单元格 ->选中要填充的空单元格 ->输入公式->按Ctrl+Enter键重复操作。

数据格式要正确

原始数据表中,数据格式要正确设置,尤其是日期数据,不能设置成文本数据,否则无法使用透视表汇总统计日期数据,也不进一步使用切片器分析数据。

创建数据透视表

•使用推荐的透视表

在原始数据表中,单击【插入】选项卡下【表格】组中的【推荐的数据透视表】按钮,即可出现一系列推荐的透视表

。如下图所示,选中不同的透视表,在右边可以看到透视表的明细。

•自定义建立透视表

自定义建立透视表的方法是,单击【插入】选项卡下【数据透视表】按钮,出现如下图所示的对话框。

数据透视表字段布局

概述

透视表成功创建后,需要对字段进行合理设置,灵活更改数据展现形式,用不同的视角进行数据分析

必要时,还可以结合图表,可视化展现、分析数据。

理解字段

创建透视表后,Excel面板分为三个区域,左边是透视表显示区,右上方是字段列表区,右下方是字段设置区

字段布局步骤 : 勾选需要的字段 => 设置字段 =>(筛选,计算方式) => 查看透视表是否符合需求

理解字段

字段列表中显示了原始数据中所有的字段,在这里可根据需求勾选需要的字段。

如需要分析不同业务员不同商品的销量,那么就需要勾选“业务员”、“品名”、“销量”三个字段。

如需要分析不同业务员,不同商品类别的销售额,就需要勾选“业务员”、“类别”、“金额(元)”三个字段。

理解字段

字段勾选完后,就需要对字段进行设置。

字段设置有以下两个要点:即,透视表的列和行分别显示什么数据、数据的统计方式是什么。

字段设置

•移动字段

首先,字段可以从字段列表中直接拖拽添加到下方区域。如下面两张图所示,左图从字段列表中选中字段,往下拖动,拖动到如右图所示的区域,再松开鼠标,就完成了字段添加。

字段设置

其次,添加到下方的字段,可以通过拖拽的方式进行调整。

如左下图所示,“日期”在【行】区域内,选中“日期”进行拖拽,可以拖动到【列】区域内。

字段设置

•设置字段的值

透视表是一种可以快速汇总大量数据的表格。在透视表的字段设置区域,【值】区域内的字段会被进行统计

默认情况下统计方式是求和。如将“金额(元)”字段放到该区域内,就会对销量数据进行求和计算。

最终效果

分析不同业务员不同商品的销量

分析不同业务员,不同商品类别的销售额

添加数据透视图

添加透视图的方法:选中透视表区域的单元格,在【数据透视表分析】选项卡下【工具】组中选择【数据透视图】

数据透视图内容筛选

数据透视图是动态图表,可以通过坐标轴和图例附近的下拉菜单调整图表内容

数据透视图是动态图表,可以通过坐标轴和图例附近的下拉菜单调整图表内容

将数据透视图变成普通图表

数据透视图会随着数据透视表数据变化而变化,如需讲数据透视图变成普通静态图,只需将透视表复制一份,删除原始数据,透视图即可变成图通图表


相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
监控 数据处理 索引
使用Python批量实现文件夹下所有Excel文件的第二张表合并
使用Python和pandas批量合并文件夹中所有Excel文件的第二张表,通过os库遍历文件,pandas的read_excel读取表,concat函数合并数据。主要步骤包括:1) 遍历获取Excel文件,2) 读取第二张表,3) 合并所有表格,最后将结果保存为新的Excel文件。注意文件路径、表格结构一致性及异常处理。可扩展为动态指定合并表、优化性能、日志记录等功能。适合数据处理初学者提升自动化处理技能。
23 1
|
15天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
2天前
|
Python
python_读写excel、csv记录
python_读写excel、csv记录
8 0
|
9天前
|
数据挖掘 索引 Python
Python 读写 Excel 文件
Python 读写 Excel 文件
12 0
|
11天前
|
Python
python面型对象编程进阶(继承、多态、私有化、异常捕获、类属性和类方法)(上)
python面型对象编程进阶(继承、多态、私有化、异常捕获、类属性和类方法)(上)
53 0
|
25天前
|
机器学习/深度学习 分布式计算 数据挖掘
阿里云 MaxCompute MaxFrame 开启免费邀测,统一 Python 开发生态
阿里云 MaxCompute MaxFrame 正式开启邀测,统一 Python 开发生态,打破大数据及 AI 开发使用边界。
307 1
|
25天前
|
Python
python使用tkinter库,封装操作excel为GUI程序
python使用tkinter库,封装操作excel为GUI程序
|
29天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
数据采集 存储 Web App开发
一键实现数据采集和存储:Python爬虫、Pandas和Excel的应用技巧
一键实现数据采集和存储:Python爬虫、Pandas和Excel的应用技巧
|
25天前
|
SQL 缓存 easyexcel
面试官问10W 行级别数据的 Excel 导入如何10秒处理
面试官问10W 行级别数据的 Excel 导入如何10秒处理
52 0