数据分析常用函数速查与实例工具表.docVIP

数据分析常用函数速查与实例工具表

引言

在数据分析工作中，函数是提升效率的核心工具。无论是数据清洗、统计分析还是结果可视化，熟练运用常用函数能快速解决实际问题。本工具表整合了Excel、Python（pandas库）中高频数据分析函数，结合具体使用场景和操作步骤，帮助、等数据分析从业者快速上手，避免重复试错。

一、这些函数能帮你解决什么问题？

1.数据清洗：快速规范原始数据

问题场景：原始数据存在重复值、缺失值、格式错误（如日期格式不统一、文本含多余空格），需快速清理。

适用函数：Excel的TRIM、SUBSTITUTE、IFERROR；Python的drop_duplicates()、fillna()、replace()。

2.数据计算：高效统计关键指标

问题场景：需计算销售额总和、平均值、同比增长率，或按条件筛选数据（如“某区域销售额超过10万的订单”）。

适用函数：Excel的SUMIFS、AVERAGEIFS、IF；Python的group()、sum()、pct_change()。

3.数据匹配：关联多表信息

问题场景：从“员工信息表”匹配“销售业绩表”的部门名称，或从“产品库”提取产品单价到“订单表”。

适用函数：Excel的VLOOKUP、INDEX+MATCH；Python的merge()、map()。

4.日期处理：拆分或计算时间差

问题场景：从“订单日期”提取年/月，计算“订单到账周期”，或筛选“近30天”的订单数据。

适用函数：Excel的YEAR、DATEDIF、TODAY；Python的pd.to_datetime()、dt.year、timedelta。

二、函数使用分步指南（附实例）

【Excel示例1】用VLOOKUP匹配员工部门

场景：已知“员工工号-姓名”表（Sheet1），需从“部门信息表”（Sheet2）中匹配部门名称，填充到Sheet1的“部门”列。

步骤1：准备数据

Sheet1数据：A列（工号）、B列（姓名），C列需填充“部门”。

Sheet2数据：D列（工号）、E列（部门），工号列无重复且为文本格式。

步骤2：输入公式

在Sheet1的C2单元格输入：

excel

=VLOOKUP(A2,Sheet2!D:E,2,FALSE)

参数说明：

A2：查找值（当前员工的工号）；

Sheet2!D:E：查找区域（包含工号和部门的列，工号必须为第一列）；

2：返回列索引（从查找区域第一列开始数，部门在第2列）；

FALSE：精确匹配（保证工号完全一致）。

步骤3：填充公式

拖拽C2单元格右下角填充柄，至所有员工数据行。

结果验证

若A2工号为“1001”，Sheet2中D列“1001”对应E列为“销售部”，则C2显示“销售部”；若工号不存在，返回#N/A。

【Python示例1】用pandas.merge合并销售数据

场景：已知“订单表”（df1，含订单ID、客户ID、销售额）和“客户信息表”（df2，含客户ID、客户名称、区域），需合并两张表，添加客户名称和区域信息。

步骤1：导入库并创建数据

importpandasaspd

订单表

df1=pd.DataFrame({

‘订单ID’:[‘A001’,‘A002’,‘A003’],

‘客户ID’:[‘C01’,‘C02’,‘C01’],

‘销售额’:[1200,800,1500]

})

客户信息表

df2=pd.DataFrame({

‘客户ID’:[‘C01’,‘C02’,‘C03’],

‘客户名称’:[‘张公司’,’李店铺’,’王*工厂’],

‘区域’:[‘华东’,‘华南’,‘华北’]

})

步骤2：执行合并操作

df_merge=pd.merge(df1,df2,on=‘客户ID’,how=‘left’)

参数说明：

on=客户ID：合并依据的列名（两张表共有的列）；

how=left：左连接（保留df1所有订单，若客户ID在df2中不存在，则对应列填充NaN）。

步骤3：查看结果

print(df_merge)

输出结果：

订单ID客户ID销售额客户名称区域

0A001C011200张*公司华东

1A002C02800李*店铺华南

2A003C011500张*公司华东

三、常用函数速查与实例对照表

函数名称

所属工具

功能描述

语法结构/参数示例

实例数据及结果

适用场景

VLOOKUP

Excel

列方向查找并返回对应值

=VLOOKUP(查找值,区域,列索引,[匹配类型])

查找工号“1001”对应部门：=VLOOKUP(1001,D:E,2,FALSE)→返回“销售部”

单列匹配、跨表关联

SU