數(shù)據(jù)分析常用函數(shù)速查與實(shí)例工具表引言在數(shù)據(jù)分析工作中，函數(shù)是提升效率的核心工具。無論是數(shù)據(jù)清洗、統(tǒng)計(jì)分析還是結(jié)果可視化，熟練運(yùn)用常用函數(shù)能快速解決實(shí)際問題。本工具表整合了Excel、Python（pandas庫）中高頻數(shù)據(jù)分析函數(shù)，結(jié)合具體使用場(chǎng)景和操作步驟，幫助、等數(shù)據(jù)分析從業(yè)者快速上手，避免重復(fù)試錯(cuò)。一、這些函數(shù)能幫你解決什么問題？1.數(shù)據(jù)清洗：快速規(guī)范原始數(shù)據(jù)問題場(chǎng)景：原始數(shù)據(jù)存在重復(fù)值、缺失值、格式錯(cuò)誤（如日期格式不統(tǒng)一、文本含多余空格），需快速清理。適用函數(shù)：Excel的TRIM、SUBSTITUTE、IFERROR；Python的drop_duplicates()、fillna()、replace()。2.數(shù)據(jù)計(jì)算：高效統(tǒng)計(jì)關(guān)鍵指標(biāo)問題場(chǎng)景：需計(jì)算銷售額總和、平均值、同比增長率，或按條件篩選數(shù)據(jù)（如“某區(qū)域銷售額超過10萬的訂單”）。適用函數(shù)：Excel的SUMIFS、AVERAGEIFS、IF；Python的group()、sum()、pct_change()。3.數(shù)據(jù)匹配：關(guān)聯(lián)多表信息問題場(chǎng)景：從“員工信息表”匹配“銷售業(yè)績表”的部門名稱，或從“產(chǎn)品庫”提取產(chǎn)品單價(jià)到“訂單表”。適用函數(shù)：Excel的VLOOKUP、INDEX+MATCH；Python的merge()、map()。4.日期處理：拆分或計(jì)算時(shí)間差問題場(chǎng)景：從“訂單日期”提取年/月，計(jì)算“訂單到賬周期”，或篩選“近30天”的訂單數(shù)據(jù)。適用函數(shù)：Excel的YEAR、DATEDIF、TODAY；Python的pd.to_datetime()、dt.year、timedelta。二、函數(shù)使用分步指南（附實(shí)例）【Excel示例1】用VLOOKUP匹配員工部門場(chǎng)景：已知“員工工號(hào)-姓名”表（Sheet1），需從“部門信息表”（Sheet2）中匹配部門名稱，填充到Sheet1的“部門”列。步驟1：準(zhǔn)備數(shù)據(jù)Sheet1數(shù)據(jù)：A列（工號(hào)）、B列（姓名），C列需填充“部門”。Sheet2數(shù)據(jù)：D列（工號(hào)）、E列（部門），工號(hào)列無重復(fù)且為文本格式。步驟2：輸入公式在Sheet1的C2單元格輸入：excel=VLOOKUP(A2,Sheet2!D:E,2,FALSE)參數(shù)說明：A2：查找值（當(dāng)前員工的工號(hào)）；Sheet2!D:E：查找區(qū)域（包含工號(hào)和部門的列，工號(hào)必須為第一列）；2：返回列索引（從查找區(qū)域第一列開始數(shù)，部門在第2列）；FALSE：精確匹配（保證工號(hào)完全一致）。步驟3：填充公式拖拽C2單元格右下角填充柄，至所有員工數(shù)據(jù)行。結(jié)果驗(yàn)證若A2工號(hào)為“1001”，Sheet2中D列“1001”對(duì)應(yīng)E列為“銷售部”，則C2顯示“銷售部”；若工號(hào)不存在，返回#N/A?！綪ython示例1】用pandas.merge合并銷售數(shù)據(jù)場(chǎng)景：已知“訂單表”（df1，含訂單ID、客戶ID、銷售額）和“客戶信息表”（df2，含客戶ID、客戶名稱、區(qū)域），需合并兩張表，添加客戶名稱和區(qū)域信息。步驟1：導(dǎo)入庫并創(chuàng)建數(shù)據(jù)importpandasaspd訂單表df1=pd.DataFrame({‘訂單ID’:[‘A001’,‘A002’,‘A003’],‘客戶ID’:[‘C01’,‘C02’,‘C01’],‘銷售額’:[1200,800,1500]})客戶信息表df2=pd.DataFrame({‘客戶ID’:[‘C01’,‘C02’,‘C03’],‘客戶名稱’:[‘張公司’,’李店鋪’,’王*工廠’],‘區(qū)域’:[‘華東’,‘華南’,‘華北’]})步驟2：執(zhí)行合并操作df_merge=pd.merge(df1,df2,on=‘客戶ID’,how=‘left’)參數(shù)說明：on='客戶ID'：合并依據(jù)的列名（兩張表共有的列）；how='left'：左連接（保留df1所有訂單，若客戶ID在df2中不存在，則對(duì)應(yīng)列填充NaN）。步驟3：查看結(jié)果print(df_merge)輸出結(jié)果：訂單ID客戶ID銷售額客戶名稱區(qū)域0A001C011200張*公司華東1A002C02800李*店鋪華南2A003C011500張*公司華東三、常用函數(shù)速查與實(shí)例對(duì)照表函數(shù)名稱所屬工具功能描述語法結(jié)構(gòu)/參數(shù)示例實(shí)例數(shù)據(jù)及結(jié)果適用場(chǎng)景VLOOKUPExcel列方向查找并返回對(duì)應(yīng)值=VLOOKUP(查找值,區(qū)域,列索引,[匹配類型])查找工號(hào)“1001”對(duì)應(yīng)部門：=VLOOKUP("1001",D:E,2,FALSE)→返回“銷售部”單列匹配、跨表關(guān)聯(lián)SUMIFSExcel多條件求和=SUMIFS(求和區(qū)域,條件區(qū)域1,條件1,條件區(qū)域2,條件2)計(jì)算華東區(qū)Q1銷售額：=SUMIFS(銷售額列,區(qū)域列,"華東",月份列,"Q1")→返回35000多維度數(shù)據(jù)匯總TRIMExcel刪除文本首尾多余空格=TRIM(文本)=TRIM("數(shù)據(jù)分析")→返回“數(shù)據(jù)分析”清理數(shù)據(jù)中的空格干擾mergePython合并兩個(gè)DataFramepd.merge(df1,df2,on='列名',how='連接方式')合并訂單表與客戶表（見上文）→添加客戶名稱和區(qū)域多表數(shù)據(jù)關(guān)聯(lián)groupPython按分組聚合數(shù)據(jù)df.group('分組列').聚合函數(shù)()計(jì)算各區(qū)域平均銷售額：df.group('區(qū)域')['銷售額'].mean()→返回華東:11000,華南:9000分組統(tǒng)計(jì)、對(duì)比分析IFERRORExcel處理公式錯(cuò)誤值=IFERROR(公式,錯(cuò)誤返回值)=IFERROR(VLOOKUP("A100",D:E,2,FALSE),"未找到")→若工號(hào)不存在，返回“未找到”避免錯(cuò)誤值影響報(bào)表美觀fillnaPython填充缺失值df.fillna(填充值/方法)df.fillna(0)→將所有缺失值填充為0缺失值處理DATEDIFExcel計(jì)算兩個(gè)日期的間隔=DATEDIF(開始日期,結(jié)束日期,"單位")計(jì)算訂單到賬周期：=DATEDIF(下單日期,到賬日期,"D")→返回天數(shù)間隔時(shí)間差計(jì)算四、使用函數(shù)時(shí)容易踩的坑及避坑指南1.數(shù)據(jù)格式不匹配導(dǎo)致錯(cuò)誤常見問題：Excel中工號(hào)列存儲(chǔ)為文本（如”1001”），但查找區(qū)域?yàn)閿?shù)字格式，VLOOKUP返回#N/A。解決方法：統(tǒng)一數(shù)據(jù)格式（如選中工號(hào)列，右鍵“設(shè)置單元格格式”→“文本”）。2.查找區(qū)域引用錯(cuò)誤常見問題：VLOOKUP查找區(qū)域未鎖定絕對(duì)引用（如VLOOKUP(A2,D:E,2,FALSE)），拖拽公式時(shí)區(qū)域偏移。解決方法：使用絕對(duì)引用：VLOOKUP(A2,Sheet2!$D:$E,2,FALSE)。3.忽略how參數(shù)導(dǎo)致數(shù)據(jù)丟失常見問題：Python合并數(shù)據(jù)時(shí)默認(rèn)使用inner內(nèi)連接，僅保留兩張表共有的行，可能導(dǎo)致部分?jǐn)?shù)據(jù)丟失。解決方法：根據(jù)需求選擇連接方式：how='left'（保留左表全部）、how='right'（保留右表全部）、how='outer'（保留全部）。4.嵌套函數(shù)過難維護(hù)常見問題：Excel中嵌套多層IF（如=IF(A1>100,"高",IF(A1>50,"中","低"))），超過3層后公式復(fù)雜難讀。解決方法：改用IFS函數(shù)（Excel2019+）：=IFS(A1>100,"高",A1>50,"中",A1<=50,"低")，或用輔助列分步計(jì)算。5.缺失值未處理導(dǎo)致計(jì)算錯(cuò)誤常見問題：Python中含缺失值（NaN）的列直接求和，結(jié)果可能為NaN或不符合預(yù)期。解決方法：先用fillna()填充缺失值（如df['銷售額'].fillna(0).sum()），或用skipna=Tru