学而习之---怎样用EXCEL做分析数据

泡菜奶酪微笑

学习到了第三关，第三关主要讲述的是如何用EXCEL进行数据分析，其实在工作中都会用到EXCEL，这一章讲的概念性的东西较少，就算听懂了、理解了live上的知识，在面对excel关于数据处理问题时也不一定会处理，主要还是要实践，自己上手操作，明白了这一点后，故这一关练习了要求的练习之外自己利用集搜客爬取了美团网上的长沙美食数据，就我自己而言，平时在选择美食的的方面肯定是想好吃，实惠，人气高，距离不要太远，特别是人气高的餐厅更加想去了，下面和在听完猴子的live后，自己尝试用excel探索长沙的美食及餐馆；
经过学习，了解到一般数据分析的都有这六部曲：


一、首先提出问题，也就是明确明确的目的，这是很关键的一点接下来的分析将紧紧的围绕着此进行.
1、长沙的美食人气较高的美食是哪几类，最高10家餐馆是哪些；
2、哪个区的美食较多，主要种类是什么，价格如何；
3、根据价格、美食种类如何选择餐馆；
二、利用集搜客爬取了美团上长沙区域的美食


三、对数据处理（清洗）
一般而言，我们拿到数据大部分不是完全符合要求的，总是会存在重复、缺失，异常，格式不一样等问题，这个时候可以用EXCEL依照数据清洗步骤对数据进行处理


1、选择子集：选择对此次分析有用的字段，先隐藏暂时用不上的列，由于本次分析的主题是探索长沙的美食分布及评分较高的，故选择


2、去重:删除重复记录，先确定唯一标识的字段，选择整个表格在excel里数据一栏下，勾选删除重复值进行处理；


3、缺失值的处理；
在对数据进行补缺，需确定哪一列存在缺失值，可以通过筛选/定位空白值、比较各列的总记录个数来确定；
如何处理缺失值：
1）缺失个数较少的情况下，根据缺失值前后比较判断，手动补全
2）利用平均值替代缺失值
3）删除缺失的数值
4）根据计算统计模型计算出缺失值
通过筛选空白值发现，由于数据是网络获取，部分没爬取下来，最适合这次数据缺失值的处理只有删除了；


4、一致化处理
数据是否有统一的标准或是命名，同一列的格式要统一，不然会影响到后续的分析，查看本次分析的数据，发现美食类型那一列的火锅有多种命名：重庆火锅、北京火锅、川味火锅等


故用数据替换的方式对其多种命名的火锅统一命名为火锅，一般常用的一致化处理有数据分列，对其进行拆分、统一；
5、数据排序
通常获取的数据可能不是数值型，数字和文字混在一起，这样无法计算和排序，故要对数据进行清洗，可以用Excel替换的功能对其处理，也可借用于函数来提取，函数通常有find 、left、mid、right函数；
本次数据中，消费评论、消费人数、价格都是数字和文字组成，故用excel替换（ctrl+h）将文字替换掉：再按消费人数对其排序；


对店铺地址所在区的提取，观察其数据特点，店铺地址前面都带有区字眼，且长沙的五区都是三个字，故用left函数，left（目标值，3）；
6、异常值处理
数据经过简单清洗处理后，利用筛选的功能，发现是否存在value值，极端值，不符合设定标准的值，是否文本形式存储的数值，这里通过发现了区域那一栏，存在部分不属于长沙区域的店铺，


因这些区域不属于本次分析的范围内，故对其删除；
四、数据建模级可视化
  1、美食最多的是哪几类，人气最高的10餐馆是哪些


美食分类所在的数量来看，排序了数量前10的美食类型，发现占据榜首的还是湘菜，其次是火锅，湘菜还是湖南的主打菜，但是从消费人数上来分析，消费最多的是自助餐，


看来自助餐是比较受大众喜爱的。
根据消费人数，我们可以看出消费人数最高的10 个餐馆，这个也排名也受商圈人流量的影响，如果你正好在步行街/五一广场附近，可以去下面10个餐馆体验下美食；


如果根据消费者的评分来选，可以选择如下几个餐馆作为参考：



2、哪个区的美食较多，主要种类是什么，价格如何；


由图可以看出，美食店铺分布较多是在岳麓区，最少的是望城区，其中各区的美食分布消费人数最多的类型都不一样，在岳麓区湘菜最多，雨花区是火锅；


3、根据价格、美食类型如何选择餐馆；
从前10的美食类价格来看，


人均消费不是很偏高；稍微偏高一点是日式铁板烧、法国菜，其次一百块钱左右的可以选择自助餐，烤肉、日本菜；
在确定了你想要吃的美食之后，可以参考以下一个餐馆：


结论：长沙的美食分布较多的是岳麓区，去岳麓去选择机会更多些，根据消费人数看，选择步行街、五一广场的消费人数较多，可以在那进行你新产品的宣传和推广，效果应该不错，除了在消费人数方面，根据餐馆的人气选择在哪吃也是可以的，在价格方面，如果想实惠，又好吃，自助餐是个不错的选择。『加油』