【课前导读】

你好，我是贺强。

这是《CDA Pro 进阶版》的第七课。

在上一章，我们学会了用 SQL 从数据库里“取数”。

但是，取出来的数据怎么分析？

如果数据只有 1 万行，你可以导出来用 Excel 做透视表。

但如果数据有500 万行呢？

或者老板让你每天早上 9 点准时把分析报告发到他邮箱，难道你每天都要手动做一遍 Excel 吗？

这时候，Excel 就成了你的瓶颈。你需要一把工业级的重锤——Python。

别怕，作为分析师，我们不需要像程序员那样学 Python。

我们只需要学它的一个库：Pandas。

今天这节课，我把 Python 变成你的“超级 Excel”。

一、 为什么要弃用 Excel？—— 量级与自动化

Excel 是全世界最好的“草稿纸”，但它不是“流水线”。

当面临以下三个场景时，请果断切换到 Python：

1. 数据量级爆炸

Excel 的上限是 104 万行，但超过 10 万行就会卡顿。Python (Pandas) 是在内存中计算，只要你内存够大（现在的电脑通常都够），处理1000 万行数据跟玩一样，速度快 10 倍以上。

2. 重复劳动过多

你每个月都要做“月报”。用 Excel，你每个月都要重复“打开-复制-粘贴-调整格式”的动作，浪费生命。

用 Python，写好一次代码，以后每个月只需点击“运行”，1 秒钟出结果。

3. 逻辑复用

Excel 的公式藏在格子里，很难检查错误。Python 的代码逻辑清晰，错了立马能看到在哪一行。

二、 认识 Pandas：它就是“没界面的 Excel”

Pandas 是 Python 最核心的数据分析库。

它的核心对象叫DataFrame（数据框）。

听起来很高级，其实它就是一张表。

Index (索引)：就是 Excel 的行号 (1, 2, 3...)。

Columns (列名)：就是 Excel 的表头 (A, B, C...)。

Values (值)：就是单元格里的数据。

只要你心里有“表”，写 Pandas 代码就是填空题。

三、 核心映射：把 Excel 操作翻译成 Python

我整理了一份“Excel -> Pandas 翻译字典”。

学会这 5 句代码，你就能解决 80% 的工作。

1. 打开文件 (Open)

Excel:双击data.xlsx。

python：

df = pd.read_excel('data.xlsx')# 或者读取 CSV (更常见)df = pd.read_csv('data.csv')

2. 偷看一眼 (Preview)

Excel：滚动鼠标看前几行。

Python：

df.head()  # 默认看前 5 行，防止数据量太大刷屏

3. 筛选数据 (Filter) —— 比如“只看北京地区”

Excel：点击表头 -> 筛选 -> 勾选“北京”。

Python：

# 语法逻辑：表[ 条件 ]df_beijing = df[ df['城市'] == '北京' ]

4. 数据透视表 (Pivot Table) —— 必杀技

Excel：插入 -> 数据透视表 -> 拖拽行列。

Python：

# 几乎一模一样table = pd.pivot_table(df,                        index='城市',      # 行维度                       values='销售额',    # 算什么                       aggfunc='sum')     # 怎么算 (求和)

5. VLOOKUP (匹配)

Excel：=VLOOKUP(A2, Sheet2!A:B, 2, 0)，极其容易出错。

Python:记得上一课学的LEFT JOIN吗？Pandas 完美支持。

Python：

# 这里的 merge 就是 SQL 里的 joinresult = pd.merge(订单表, 用户表,                   on='用户ID',                   how='left')

四、 贺强 Pro 实战：一行代码清洗“脏数据”

数据从来都不是干净的。

在 Excel 里，处理“空值”、“重复值”、“日期格式错误”非常麻烦。

在 Pandas 里，这是最爽的时刻。

1. 删除重复行 (去重)

Python：

df.drop_duplicates(inplace=True)# 搞定！Excel 里你要点好几下，这里只要一行。

2. 填充空值

Python：

# 把所有没填年龄的人，都填成 0df['年龄'].fillna(0, inplace=True)

3. 批量计算

如果你想把“美元”列全部换算成“人民币”（乘以 7.2）。

Excel:写一个公式，然后下拉 10 万行（电脑可能会卡死）。

Python：

# 它是“列运算”，一瞬间完成df['人民币'] = df['美元'] * 7.2

五、 结语

不要被代码吓倒。

Python 不是要取代你的逻辑，而是解放你的双手。

当你第一次体验到 100 万行数据在 3 秒钟内跑出透视表结果时，你绝对会爱上这种“掌控感”。

现在数据取出来了（SQL），也洗干净算好了（Pandas）。

虽然 Pandas 也能算出数字，但老板不喜欢看黑底白字的表格，老板喜欢看图。

Python 画出的图，比 Excel 好看一万倍。

下一课，我们将介绍 Python 的可视化双雄 ——Matplotlib和Seaborn。

也就是我们这个专栏里所有漂亮插图背后的工具。

第08课：Python 基础 (下)：让数据会说话，Matplotlib 与 Seaborn 绘图