一般来说，数据分析的步骤如下：

明确问题理解数据数据清洗数据分析 或 构建模型数据可视化

一个数据分析师是离不开Excel的，它是日常生活中最常用的，如果不考虑工作量的话，Excel是足够应付绝大部分的数据分析的。

人类的语言有不同的词汇，Excel语言也同样有不同的数据类型，不同数据类型在不同的场合下使用。Excel中有多种数据类型，一般可以归纳成下列的三种数据类型：

字符串类型（也称文本类型，一般是指汉字、字母等，此处注意，以字符串做数据类型的是不能用来计算的）数值类型（指整数、小数等）逻辑类型（描述一种条件的判断标准）

在默认情况下，字符串类型是左对齐，数字类型是右对齐。

一、数据清洗

数据清洗的步骤如下：

选择子集（选择你要数据分析感兴趣的几个列）列名重命名删除重复值缺失值处理一致化处理数据排序异常值处理

1、选择子集合

有时候我们拿到的数据太大，这时候，我们需要将一些我们不感兴趣、不需要的列隐藏起来。另外，我们也可通过全选表格、开始选项卡中的格式取消隐藏的行或列。我们通过对行列隐藏可以灵活的选择对研究对象的子集。

2、列名重命名

3、删除重复值

数据、删除重复项、取消全选

4、缺失值处理

原始数据经常由于如爬虫没有爬到等一些原因存在缺失的数据，我们需要对这些缺失值进行处理。首先要做的就是看一下有多少缺失值，接下来我们才是处理缺失值，一般使用四种方法处理缺失值：人工手动补缺（适用于缺失数据比较少的情况）、删除缺失的数据、用平均值代替缺失值、用统计模型计算代替缺失值。

5、一致化处理

一致化指的是数据是否有统一的标准或者命名。一般用Excel的分列功能进行一致化处理，将某一列按照特定的规格拆分，需要注意，分列功能会覆盖掉右列单元格，所以我们往往在分列前将需要分列的单元格粘贴在最后一列。再复制粘贴后，点击数据栏、分列功能弹出对话框、分隔符号、下一步、其他（使用什么符号进行分割）、连续分隔符号为单个处理、下一步、完成。

例如如下表格就可以通过分列功能达到想要的效果。

图片来自于猴子

在上述操作中需要用到函数功能：

平均数

find函数（查找一个字符串，在另一个字符串中出现的起始位置）：需要输入两个关键词，一个是“要查找的字符串”，另一个是要查找字符串所在单元格位置。

left函数（截取字符串）：left（字符串所在单元格位置，从左边开始到某位置进行截取）

right函数（截取字符串）：right（字符串所在单元格位置，从右边开始到某位置进行截取）

mid函数（截取字符串）：mid（字符串所在单元格位置，开始位置，截取长度）

6、数据排序

7、异常值处理

对异常值处理一般用到数据透视表。

数据透视表

数据透视表的原理是对数据分组(split)、应用函数(apply)、组合结果（combine）的实现。

二、数据分析 或 构建模型

多表关联查询Vlookup

如何使用Vlookup按条件查找数据

vlookup（找什么，在哪找，第几列，是准确查找还是近似查找）

注意：“在哪找”中，选中的全部数据中第一列数据是我们要查找的值所在的列。

”第几列“是指所选择的区域的列，并非整个数据表中的列。

准确找（一般来说都是准确找）：0 近似匹配：1

当有重复数据的时候，如何利用辅助列查找重复数据如何利用Vlookup对数据分组Excel中三种引用：绝对引用（$A$1）、相对引用(A1)、混合引用($A1 A$1)

三、数据实战

以下数据来源于阿里巴巴云天池

Baby Goods Info Data-数据集-阿里云天池​tianchi.aliyun.com/dataset/dataDetail?dataId=45

共由两个表格数据组成，第一个为购买商品表，第二个为婴儿信息表。

1、明确问题

哪类产品的一级分类购买率最高，在这一类别中，最为畅销的又是哪一产品？

2、理解数据

3、数据清洗

首先，将数据另存为备份便于操作，以下操作皆在备份数据上操作。

（1）选择子集

这两个文档的子集都精简筛选此处不用操作

（2）列名重命名

将英文关键词改为中文关键词。

（3）删除重复值

表一中有重复值27项，进行了删除处理

表二中未发现重复值

（4）缺失值处理

通过分别选择每一列，发现表1中的除商品属性这一字段的行数有29803行外，其他字段的行数均为29945行，商品属性这一字段缺失数据有142行。

表2各字段均为954行，没有缺失值。

这里我们选择删除缺失值的方法对缺失值进行处理。

（5）数据格式一致化处理

两张数据表中都有日期数据，首先需要检查并处理其格式为“日期”格式。

利用数据-分列功能处理日期数据，使得变为规格化日期：

（6）多表关联

由于填写婴儿信息表数据的用户相对于表一中的用户来说特别少，故在解决和处理有关婴儿信息表数据时，直接在婴儿信息表中利用vlookup函数对表1、表2通过多表查询合并为统一的一张表格，并筛选出能够匹配的数据。

首先，在婴儿信息表中添加一列购买时间，用vlookup函数将表1中对应用户ID的购买时间vlookup到表2中：

添加字段：采用（购买日期-出生日期）/365的方法得出用户的年龄（需要注意的是：即使购买日期在出生日期之前也是符合业务实际的，可以将其划分为未出生）

4、数据分析建立模型

哪类产品的一级分类购买率最高，在这一类别中，最为畅销的又是哪一产品？

通过数据透视表可以发现，选择商品一级分类和购买数量这两个字段，得出商品一级分类28为购买率最高的商品

在得出商品一级分类28为购买率最高的产品的前提下，先通过数据筛选功能，筛选商品一级分类28的产品，再通过筛选功能得出商品一级分类28下的最畅销的二级分类商品是50012788。