如何才能成為EXCEL數據處理大神？

01-14

計算機小白，數學超差，卻從事數據分析助理，所在職位要求通過EXCEL進行數據處理分析，想精通EXCEL數據處理，求好的學習方法推薦！！！求幫助

在加入諮詢之前，基本不會使用Excel，因為在我們這些工科碼農男和實驗男眼裡，Excel簡直是太Low了，平時都是使用Matlab或者直接寫程序計算。後來通過自己的練習，無論在諮詢投行還是基金公司，Excel水平都能達到較高水平（以知乎回答何明科：Excel 有哪些可能需要熟練掌握而很多人不會的技能？為證），其實核心就兩點。

第一點是勤學苦練。最開始使用Excel的時候，恨不得算好數據往Excel裡面填寫，但是堅持不懈得使用，同時不斷用F1幫助和搜索引擎查詢，技能得到飛速長進。同時發現Excel是神奇而並不Low，之前對Excel的誤解只是因為自己的無知，以前許多編程做的事情，其實完全可以用Excel更高效更漂亮得完成。

第二點是精益求精。特別認可團隊某程序員的名言，「任何事情同樣做上三遍，一定會想辦法用程序來自動化。」這句話換到Excel做數據處理同樣成立，一個清洗、一個分析以及一個模型框架等等，可能在工作中會反覆發生。每當再次遇到同樣問題的時候，不是屈從於慣性或者傳統，用老方法再做一次，而是探索能否用更高效更美的辦法來實踐一次，哪怕第一次使用新方法的時候極其曲折和低效，但是會換來未來的效率幾何級數的提升以及自己能力的加倍提升。我當時就從最初級的函數開始，然後發現各種高級函數以及能處理多重向量的數組函數，隨後又發現宏以及VBA巨大的天地，最後還有python+xlwings等神器。每探索一個新領域，不僅會為自己打開一片新天地，而且反向會加深對原有知識的理解和靈活運營能力。

…更多文章請到數據冰山 - 知乎專欄

…更多回答請看何明科

瀉藥~

對於入門小白，建議從excel工具入手

學習Excel也是一個循序漸進的過程

基礎的：簡單的表格數據處理、列印、查詢、篩選、排序
函數和公式：常用函數、高級數據計算、數組公式、多維引用、function
可視化圖表：圖形圖示展示、高級圖表、圖表插件
數據透視表、VBA程序開發

按照我習慣的方法，先過一遍基礎，知道什麼是什麼，然後找幾個case練習。多逛逛excelhome論壇，平常多思考如何用excel來解決問題，善用插件，還有記得保存。

函數和數據透視表是兩個重點，結合業務場景來學習，可參考《誰說菜鳥不會數據分析》。

製作數據模板必須掌握的excel函數

日期函數：day，month，year，date，today，weekday，weeknum。日期函數是做分析模板的必備，可以用日期函數來控制數據的展示，查詢指定時間段的數據。
數學函數：product，rand，randbetween，round，sum，sumif，sumifs，sumproduct
統計函數：large，small，max，min，median，mode，rank，count，countif，countifs，average，averageif，averageifs。統計函數在數據分析中具有舉足輕重的作用，求平均值，最大值，中位數，眾位數都用得到。
查找和引用函數：choose，match，index，indirect，column，row，vlookup，hlookup，lookup，offset，getpivotdata。這幾個函數的作用不用多說，特別是vlookup，不會這個函數基本上複雜報表寸步難行。
文本函數：find，search，text，value，concatenate，left，right，mid，len。這幾個函數多半用在數據整理階段使用。
邏輯函數：and，or，false，true，if，iferror

（以上學會，基本能秒殺90%的辦公室白領。）

數據透視表

數據透視表的作用是把大量數據生成可交互的報表，數據透視表具有這樣一些重要功能：分類匯總、取平均、最大最小值、自動排序、自動篩選、自動分組；可分析佔比、同比、環比、定比、自定義公式。

參考：怎麼培養數據分析的能力？ - 知乎專欄
更多文章請到數據化管理 - 知乎專欄

其實進入到數據價值挖掘領域，EXCEL是最基礎的工具。大神可以拿它做數據管理、分析，做可視化，小白也可以就把EXCEL當成一個數據池。至於後續的數據處理、分析、指標計算，都可以藉助性能更高、正確性更高、效率也更高的「三高」產品來解決。最後，把你處理過的數據再導成excel，你就是大神。不，你是超越大神的神。

這個工具就是ETL，E代表著extract，抽取，對應到你的業務場景，就是把你需要處理的數據／欄位抽取到工具中來；

T，代表著Transition，轉換，對應到你的業務場景，就是各種清洗數據、行轉列、計算、分組聚合之類。

L，代表著Loading，載入，對應到你的業務場景，就是把整理過的數據導出來。

跟excel不一樣，它的界面特別友好

先把流程拖到畫布上，就絕對不會出現，數據正處理一半兒，被別的工作打斷了，回來之後思路都亂了的情況。

跟excel不一樣，它的操作特別簡單

以前在excel裡面想要列轉行，需要剪切、複製、選擇性粘貼、轉置等好幾個動作，在這裡，拖入一個「列轉行」就行；

其它數據處理的動作也是如此，它是需求導向的，你拖入你的需求，然後進行設置即可；不用再在excel特別繁雜的各種按鈕中一步步地挑選了。你需要做的只是明確需求，然後讓它執行。

跟excel不一樣，它的速度特別快

excel處理少量數據還ok，一旦數據量大，對電腦、軟體本身都是挑戰。就算老天保佑中途沒崩潰，等候的時間也是一種煎熬。

這個工具就不一樣了，它底層依託的是世界級資料庫GBase 8a MPP分散式資料庫，可以做到tb－pb級的數據秒速響應。你在一萬行銷售數據上扔一個超級複雜的函數，立刻就能得到運算結果。你在結果上面再扔一個炒雞複雜的函數，還是立刻就能得到結果。

不崩潰，不等候，不擔憂。

最後丟一個gif感受一下^_^

它就是我們公司都在用的：數據觀|新一代商業管理雲其中的一項功能：數據處理

其它還有數據連接（連接各種來源的數據到數據觀，並自動更新），數據視覺（把你的數據變成各種精美的圖表，並且可以過濾、下鑽），數據協作（開著圖表跟相關的工作夥伴聊天，基於數據溝通工作中需要優化的環節或者為活動復盤）

很強大很好用，會用滑鼠就行了。

感興趣可以嘗試，你處理之後的結果可以導出成為excel格式，誰也不知道你到底是怎麼辦到的，做大表比大神還快。

看看我寫的免費電子書不就好了

==============

1.不吐不快

作為自由市場經濟的忠實信徒，我從來信奉下面這句話:

生產者和生產者競爭，消費者和消費者競爭，生產者和消費者從不競爭。

因此，我無需過度關注我的潛在讀者的所有需求，只需要看看現有線上知識輸出者的當前水準即可。這麼一看不要緊，我的對手很弱雞啊:

丑成翔。我一直堅信，知識輸出的第一條就是好看，好看就是第一生產力。好看有兩層意思，一是顏值要美，要讓眼睛爽；二是文字要有趣，要讓腦子爽。很遺憾，現存的知識輸出絕大部分都是辣眼睛的，更不用說文字的乾癟無趣了，我懷疑大部分作者是被人拿刀子逼著寫字的，否則怎麼會那麼生澀無聊呢。一丑遮百好，我只要比他們有趣好看，我就甩開至少三分之一的人了。
唬成狗。放眼望去，全是UC震驚部出來的嫡系。看看那些嚇死人不償命的標題「震驚!不學會這十個技能會死」、「震驚!升職加薪必須關注的十個功能」，「震驚!戈壁老王給這個功能點贊」，我被嚇成狗了好嗎？求放過。我相信這個世界上的大活人還是理性人居多，我可以不用嚇唬，不用震驚，也能輸出高效高價值內容。
碎成渣。我親愛的讀者朋友(敲黑板劃重點，我可以吐槽無數次我的競爭同行，可是我可不敢得罪我的讀者半分啊，你看，儘管你可能今天才第一次關注這個公眾號，可是我親愛的就敢叫出口了)，你們有沒有發現，關注了那麼多公眾號，參加了無數次直播，進入了無數個討論群，遇到實際問題你還是呆若木雞？那是因為你的知識是零碎的，碎片化的，不成體系的。你沒有全局觀啊少年，你的知識全是一個個的點，沒有體系化的構建知識體系明白嗎？而這，正是我的強項。

2.我行我上

打壓過競爭對手，爽過嘴皮子之後，我想我不該停下，我現在顯然會乘勝追擊，說說「為什麼我行」這個問題。簡單回答:I CAN I DO，我行我上。

線下培訓經驗。在寫這本書之前，我已經有了若干年線下授課經驗了，同樣的一套EXCEL培訓課，我在講授過程中，每一個知識點我都感受過在我對面真實的學員的表情:若有所思的點頭，張開大嘴的迷惑，前仰後合的笑意，嘴角抽動的痛苦......而現在不少線上寫作者甚至終生在寫作中是沒見過活人的。
軟體研發經驗。坦率的說，這一點對我的同行並不公平，很多在coder眼裡極其自然的事情(比如數據源對標題和ID列的要求是典型的資料庫思路，比如PowerQuery是很簡單的SQL應用，比如為什麼有些功能是放在「視圖」主菜單下是典型的MVC思維)，這些事情有了研發經驗很容易說的清楚，而我的同行們並不知道。[攤手]。
智商碾壓。嗯，這個很容易政治不正確，不展開了，你懂的。
略懂審美。不自誇的說，在審美這個層面上，在對細節的死磕上，我剛邁開左腳出發，我就贏了。不信你去看看我的講義PPT，不信你去感受一下我的微信公眾賬戶排版(比石頭還硬的硬廣告來了，請關注微信公眾賬戶怒馬說(numashuo) 看看我是不是吹牛)，至於細節，隨便說幾個好了，第一，微信公眾賬戶的markdown樣式文件我調整了不下20次，現在這個樣式是唯一的，好看的，妥帖的。第二，這篇文章快要寫完的時候，我發現無序列表的文字部分變色沒有包含句號部分(比如這段文字開頭的「略懂審美」四個字後面的句號)，我就全部又改了一遍.....偏執於好看，偏執於細節，偏執於不說你永遠都不會發現的細節!
節制，節制。這個公眾號永遠不會放文末的那種所謂流量主廣告，無他，唯丑而已。這個公眾號不會推任何主題無關的廣告，沒什麼原因，哥哥不差錢。
精品戰略。這本教程的每一篇文章都是有編號的，每一篇文章都是限量版，我沒有興趣和精力無休無止的寫下去，我只能保證每一篇都是精品。一萬篇垃圾比不過一篇好文章，我不會和任何人比所謂高產，同樣是漢字，質量是不同的。

3.全書結構

這本書初步規劃五章(多乎哉？不多矣)，當然不排除寫作過程中我改主意增減。目前五章大致這樣分配內容:

第零章。洗腦篇，講格局，講方法論，講思維，講軟體背後的思想，同時也會就運行環境及行文約定進行說明。儘管每一章都重要，但這一章尤其重要，請務必把每一個標點符號都讀進去，
第一章至第四章。硬知識。按照我的思想將整個知識體系分成「點線器面」四個字掰開了揉碎了烤熟了講給你聽，四章帶你武裝到牙齒。
第五章。飛升篇，我會將壓箱底的部分要點整理出來，帶你面向未知的未來，帶你應對未知的問題，即使EXCEL更新到2046版，這些知識都是可用的(為什麼是2046不是2146？除了電影梗以外，2046也是一個可見的年份，我能活到那個時候和你一起見證我吹過的牛逼)。

好了，請繫上安全帶，帶上智商和注意力，和我一起出發。

關注公眾號「怒馬說」，閱讀更多更及時教程。

怎樣才能用自行車成為秋名山車神？

這問題太特么簡單了。

練。

給你一個10萬行的商超終端零售掃碼數據，整理成SKU銷售統計。從抓耳撓腮、絕望至極的一周做完還滿是錯誤，做到半天完成、整齊有序，就差不多啦！

有ddl壓著更好！

沒體會過做excel表格被逼哭的人，不算活過。

老紙當年就是這麼過來的，當年帶我的小姐姐說，不用滑鼠完成這樣的表格，你就可以出去裝B啦！後來，人家路過我的工位，看我盯著屏幕不眨眼的樣子，說：「你看他好像一條狗誒。」

題主問得比較寬泛，只能說excel是門手藝活，用多了自然熟練，某匿名答主回答也片面了點，以下是個人理解：

數據分析不見得都是大數據的分析，excel雖然不是為了處理大數據設計的，excel勝在小巧靈活，介面功能豐富，以及在桌面級應用用普及率最高，在小型數據處理，以及大型數據細分後的處理有著無可比擬的優勢。

三步走

①發現問題

建立一種思維：在日常生活中，牽涉到數據的，需要重複操作的工作，都是可以用excel簡化流程，降低工作量，提高工作效率的。

②解決問題

知道了要去解決什麼問題，再去excelhome上去搜搜解決方案，拿回來自己套用，套用的過程中搞清楚公式的原理，函數的使用方法。

③提出解決方案

不是函數學的越多越好，我自己平常使用的函數就是就是那麼十幾個，通過組合也能解決大部分問題了。搞清楚客戶的需求，明白數據的邏輯關係，再加上靈活組合，就無往而不利。

昨晚在一個朋友家，她做快遞的，平時下載下來的流水報表，然後對著流水報表，一行一行的計算快遞費用，一個月1萬多張單子，要算好幾天。

我先做了一張「快遞資費表」，裡面有不同的客戶，不同區域的首重和續重的價格，又做了一張「計算表」，裡面自動設定了計算公式，朋友每天下載「流水報表」後，按照順序打開「快遞資費表」，「流水報表」和「計算表」，計算表裡面自動就把1萬多條的單子的快遞費自己算好，全程不需要三分鐘。

Excel只是個工具。不建議抱著本Excel經典教程從頭到尾地看。50%的教材知識你工作中都不一定能用上，90%的用不上的知識一般在一個月以後就忘光了。

個人以為，「數據分析」其實更應該關注的是分析和運用數據的能力。比如如何在一堆看似雜亂的數據里尋找規律，如何找到最有效的指標或KPI，如何將工作上的各種問題轉化為數學模型進行建模，或者稍微通用一點---如何用最快最省事的方法提供老闆每個月都會要的信息。

有了以上對數據分析的需求後，再帶著需求和問題去查詢用Excel如何實現。Excel是一個很完善的軟體，如果你發現自己在用Excel重複做一個的動作，那多半Excel都有個簡單的公式或者方法去幫你減少工作量。帶著問題去各大論壇搜索，比如Excel Home，大神很多，肯定能找到答案，得到答案後印象也會很深刻。

隨著數據分析能力的提升，數據處理的需求也會提升，Excel水平也會跟著提升，你會逐漸發現數據透視表不夠用了，你會學會各種數據規範來控制數據有效性，你會逐漸發現數組公式的優點，你會有一天覺得Excel的公式無法滿足你的需求於是決定開始學VBA。。。

你會發現自己永遠也無法精通Excel，但是你的工作效率已經越來越高了。

Excel正在緩慢的發生一場質變，從數據量級、分析能力和性能表現這三個維度去評估，這個工具已經脫胎換骨。在中文世界，大部分人還沒有意識到正在發生的變化，或者存在一些認知偏差。人們對新事物態度總是相似的，看不見；看不懂；看不起；來不及。

網上流傳的一個問題是這麼說的：「怎樣才算精通Excel？」，函數+透視表+vba+作圖哪個都不能少，函數要會寫複雜的嵌套、會用數組公式；自動處理要會寫VBA；最好還要掌握XXXX。

我覺得，新工具的作用不是對已有功能的補充，而是替代。不需要Excel公式、不需要VBA，在Excel里實現之前不曾觸及的分析。

Excel 一億行數據分析實踐（總結篇） - 知乎專欄

計算機小白，數學超差，卻從事數據分析助理……

樓主，其實我特別想問你，你是怎麼應聘上這個職位的？實力佩服

同事來跟我溝通Excel使用時，我都會問一句，這個你以前是用多長時間完成；嗯；我可以給你一個方法，只需要 1/10，1/100 ……的時間，順便請我喝杯飲料吧。

個人Excel學習路徑為：

Excel2007實戰技巧精粹 3遍

Excel 數據透視表應用大全 2遍

Excel VBA 無數本

Excel是工具，工具是實現人想法的手段，所以最重要的是——想法。

看提問者也是蠻著急的，我為你從戰術、戰略兩個層次來解答吧。

1.戰術層面——解決當前工作問題：

如上面說的，Excel只是我們實現想法的工具，所以先搞清楚部門的主要職能和業務，再找領導深入的交流，摸清楚上級所真正需要的結果是什麼，再制定下一步計劃。如果搞不清楚領導/上層的目標，就憑自己想當然的理解，現學現用的搞了一些網上的表格等，往往是事倍功半。

當你弄清了領導/上層進行數據分析的真正目標後，你就可以像做應用題一樣，一步步的逆推出為了達到這個目標需要哪些數據。對於這些數據還要有個判斷，拿員工加班數據分析來說：

（1）哪些是底層數據，是伴隨工作/業務自然生成的，比如員工每天都在加班，刷卡機的刷卡時間就是底層數據，是由刷卡機生成的。

（2）哪些是中間數據，是根據一定的規則、邏輯從底層數據變換、統計來的。比如認為員工19:00以後的刷卡時間是加班，加班時間=刷卡時間-18:00。

（3）哪些是常數、設定值，這些是按照公司制度規定的，一般不會變化的值，比如加班1小時10元錢。

當你在腦海中想到這個時候，你的思路就清晰了，你可以在紙上像做應用題一樣，寫出分析目標，再羅列出所需要的底層數據、中間數據和設定值，把它們之間的邏輯關係對應起來。剩下的無非是手段（Excel技巧）的問題，哪怕到這個時候你再來知乎求助就更能夠讓大神們有的放矢，你的問題也能夠迎刃而解。

2.戰略層面——Excel對於整個職業生涯的用途：

如果數據的分析只是提問者短期的工作需求，那麼下面這1段你可以PASS了。

有用的東西人才會去學，有大用處的東西才會讓那麼多各行各業的人去學習。我覺得Excel就是有大用處的工具。現在是信息時代，隨著生產、管理的運轉，會伴隨產生很多過程數據。數據往往不會騙人，如今對這些過程數據的分析是快速發現流程增值點、管理盲區、效率低下環節的有效手段，但現實是很多的部門還在使用非常原始的管理思維和方法，使管理僅僅是完成流程，而沒有產生增值。

Excel恰恰就是一個適合個人快速應用的部門級數據分析工具，這種數據解析、抓取、分析能力可以伴隨你一生。當有了需求，下面就只是方法的事了。學習Excel有點像武俠小說中的修鍊武功，有門派之分、也有邪教（haha），武功還分層次。

「學好一招一式，方可融會貫通」這就是我的個人體會。對於非數據分析專業（95%吧）的人，學好Excel足以，可以通過微信公眾號、知乎上有質量的答者來學習。在實際應用中鞏固，在實際應用中探索。推薦可以關注一下 @何明科和他的專欄 @數據冰山對於提升數據分析思維很有幫助。

說到底別忘了我在文章開頭說的：Excel是工具，工具是實現人想法的手段，所以最重要的是——想法。數據分析，這4個字已經被說得爛大街了，但真有多少人去做？會做？做得好呢？

祝提問者好運！

去泡excelhome，看那些問題和心得，然後自己動手，不要怕，別人會，你為啥不會呢？

誰說菜鳥不會數據分析基礎篇，這本書很實用，我也是用這本書開始數據分析之路的

在這介紹一個讓Excel運用更完美的工具：pandas，在數據格式不一且比較亂的時候，可以用pandas先進行處理，再粘貼在Excel中進行進一步處理，接下來你看到的回答就是推薦一個處理數據時的工具結合使用方法。

以下是我們豈安科技數據分析師的一點分享：

我的數據分析工作經常是在這樣的場景下開展的：數據格式五花八門，有些存儲在關係型資料庫內，有些則是 csv 或者是 json，而最後老闆想要的數據報告是 excel 版本的。

在沒有使用 pandas 處理數據以前，我會周旋在各個數據源之間，將取完的數之後黏貼到 excel 中，最終在統一在 excel 內進行處理。

這個操作有一些缺陷：

? 各個數據源取數方法不統一。自己掌握可以通過反覆操作熟練，一旦教授給新人需要花更多時間。

? 數據處理環節效率低下，易受干擾。在頻繁的複製黏貼中，很難確保不受外界干擾，一旦恍神了，很難想起剛剛的取數的一些細節。並且過多的複製黏貼可能導致excel崩潰。

? 問題排查難以溯源。仔細想來，excel承擔了打草稿的功能，在多次複製黏貼之後，沒有人會清楚記得每一步為什麼複製黏貼。一旦數據報告有誤，想要定位問題所在，常常需要從頭開始復盤。

?如果把數據的獲取到處理全部交給 pandas 呢？

這樣一來 excel 只負責最終呈現層面的功能。為了實現這些，除了 pandas 本身強大的數據分析功能之外，還得益於兩點：

1. pandas 良好的數據讀取介面

2. xlsxwriter

良好的數據讀取介面

一旦 import pandas as pd 了之後，就可以任意的 pd.read_json / pd.read_csv / pd.read_sql 了，是不是很方便？

example.json
[{
"teamName": "GoldenArch",
"distCode": 04,
"distArea": "Shanghai",
"month": 11,
"income": 16255,
"cost": 30250,
},
{
"teamName": "OldFather",
"distCode": 02,
"distArea": "Beijing",
"month": 11,
"income": 135300,
"cost": 27200,
}]

&>&>&>&>

結果

csv，相對省力，甚至可以用 excel 直接打開處理，不過這種方式影響到了這個數據處理方案的一致性。舉例略。

data_csv = pd.read_csv("example.csv")

結果和上面json結果結構是一致的。

sql，最複雜的一項，在 read_sql 之前，你還需要關心資料庫連接問題，和要處理的 sql 語句問題。

這裡我遭遇的坑在後者，如果你打算用 read_sql 打入 dataframe 的是一張大表，那麼可以暫時放棄這個念頭，因為在 read_sql 的過程中，雖然讀表很快，但是寫入 dataframe 的速度卻受制於數據規模，個人建議是，如果人類沒有耐心把這些數據一一讀完，那麼就不要打給 dataframe，至少在目前的 0.20 版本是這樣。不過好在我們可以在語句上做處理，在 where 之後按需做一些 group 或者 limit。

#資料庫連接部分
import pymysql
def getConn():
connect_config = {
"host":"0.1.0.1",
"port":8888,
"user":"myname",
"password":"mypassword",
"db":"mydb",
"charset":"utf8"
}
conn = pymysql.connect(**connect_config)
return conn
#實例化連接對象
conn = getConn()
#語句
sql = "select company, sum(totaAmount) from myTable where ... and ... group by company"
#最熟悉的語法
data_sql = pd.read_sql(sql,con=conn)

結果和上面 json 結果結構是一致的

這個環節最大的收益就是將所有來源的數據 dataframe 或者 series 化了，然後就可以統一用 pandas 功能來進行下一步數據處理工作。數據處理環節環節太龐大，本文不做描述。這裡我們跳過了處理環節，直奔 excel。

xlsxwriter

這個包的作用就是用 python 語法來寫 excel 文件，在把所有關心的數據都裁剪完成後，下一步就是把它們按需塞進 excel 中。

import xlsxwriter 之後，用三行代碼就能用 python 創建一個 excel 文件。

workbook = xlsxwriter.Workbook("helloworld.xlsx")
worksheet = workbook.add_worksheet(『made by xlsxwriter』)
workbook.close()

簡單吧，看字面意思就能理解——先創建文件，再創建表單，最後關閉。這是官網的文檔，但是卻不完全適用目前的場景。因為，我們需要藉助於 pandas 來寫，而不是直接寫。

df = pd.DataFrame({"Data": [10, 20, 30, 20, 15, 30, 45]})
writer = pd.ExcelWriter("example2.xlsx", engine="xlsxwriter")
df.to_excel(writer, sheet_name="Sheet1")
writer.save()

這也是官網的文檔，這兩種方法處理 excel 都可以，區別是前者是可以方便地指定打在哪些格子里，而後者是將數據作為一個整體的打入 excel，這裡更推薦後者。如果是多個不同數據源或者不同意義的數據，可以在 to_excel 的時候，新增一些 Sheet 來分類數據，sheet_name 參數，使得你能自如的掌控數據的內容。

所謂的塞數據也就是把你最終處理完的 dataframe 或者 series 交給了 excel，用 sheet_name 來管理不同意義的數據。

取數工作一般是周期性的，在數據需求沒有產品化之前，需要利用更高效的工具來壓縮取數環節所耗費的時間，將更多的精力留給數據分析之後結論以及建議上，畢竟分析才是數據價值。

上述方案比 excel+ 複製黏貼來的高效且可靠，既統一了數據採集方式，又使得取數過程可視化且易於維護。成本則是你需要花一些時間閱讀 pandas 和 xlsxwriter 的文檔，而 python 環境的搭建幾乎是零成本的。

附

xlsxwriter文檔：http://xlsxwriter.readthedocs.io
pandas文檔：http://pandas.pydata.org/pandas-docs/stable/api.html

1另存為csv文件

2bash+awk+sed+grep或者read_csv

(逃）

說下我的經歷吧，畢業那會匹配函數都不知道是什麼東西。一堆數據給到我，花了3天三夜也沒整理出結果，結果同事2小時就處理完了。啪啪打臉啊，遂發誓要把數據處理學好。幾年過去了，人稱公司數據處理一哥也憑這個技能跳槽到行業NO.1的公司。

買了一本excel書，基礎的那種，目的是對這個工具有個系統的了解，大概花了一個月的業餘時間。

然後是重點，實操啊，一定要實操，vlookup summits countifs if mid 這幾個公式要用熟了。我是在部門制式的報表上實操的，先看別人怎麼寫，刪掉，重新寫，檢查異常，不懂的問百度。

保證自己能把報表做出來先，再不斷製作報表的過程中不斷想辦法優化，找更簡便的辦法做完成報表。

當公司制式的東西已經輕車熟路了，aql可以開始學了，沒錯再買本書，找個開源免費的DBMS，添加幾張表，跟著課本開始學SQL吧，一定要實際操作，我是跟著課邊學邊操作的，嗯，主要學檢索，高級檢索，函數計算，聯結這幾部分就可以啦。

學到這裡就是一個數據處理方面的熟手了

不過你未來的職業發展應該是數據分析，應該再學一些統計學知識還有數據分析軟體的使用吧

依靠excel成為數據處理大神？你一直想知道excel怎麼處理千萬甚至上億級的數據，我覺得你可以考慮去學matlab python r語言可能更加靠譜一些，我反正是用python加mysql的小白，需要excel的時候用cvs導出

全部用鍵盤操作, 不要去用滑鼠, 基本就在大神的路上了