大数据分析-Excel导入及筛选数据

1.导入数据

1.1 导入外部网页上的数据

通常导入外部网站的数据时，可以先将数据下载到本地，然后在用excel打开该文件。下面介绍一种新的方法，直接将外部数导入到excel文件中。假如我们要导入如下网页中的数据：http://www.chooseauto.com.cn/xlph/car/295015.shtml，步骤如下：

(1). 打开excel文件，选择【数据】-【获取外部数据】-【自网站】

(2). 在打开的对话框中输入网址，点击【转到】之后会在会话框中打开对应的网页。具体如下：

点击【导入】之后将无用信息删除，即可得到我们想要的数据。

但是我觉得这种导入方式可能存在如下几个缺陷：

1. 首先，以“国家统计局” 网站的统计数据为例，这个网站中的数据通过这个方法是无法获取的，你会发现点击【转到】之后，对话框在不停提示报错信息，可能是因为这个网站中用了大量的JS等技术，无法正确解析页面。

2. 以刚才实验的网页为例，该数据导入方法理论上提供了的一种方法可以对数据进行选择，就是查询对话框中黄底黑色箭头，具体如何使用可以参考以网址中的案例，https://jingyan.baidu.com/article/f0e83a254f961722e59101c9.html，但是这种方法在我们演示中提到的网页中无法使用。

综合以上两点，个人认为这个方法可以作为一个补充吧。

2. 拆分数据(把一列数据拆分成多列)

对于上述类型的数据，需要将这1列数据拆分成5列，则选中该部分数据然后点击【数据】-【分列】，将分隔符设置为逗号即可。（在从外部文本导入数据时，默认就会让进行这些分隔操作）

还有一种方法拆分方法是使用函数TextSplit，使用这个函数需要先下载Excel函数扩展包（搜索“方方格子”，下载Excel扩展包。安装过程很简单，要主要的是安装之前把Excel先关闭）。下面先来看看这个函数的基本介绍及参数说明：

我认为这个方法的优势在于：这个方法可以规定三个分隔符，这对有些不太规范的数据比较有用。具体地，处理上述数据时的函数写法如下。

关于上述函数写法，需要注意以下几点（PS：这种方式是为了将B1单元格中用到的函数自动扩展到其他行、其他列，而无需更改函数）

(1). 首先，Excel中有三种引用方式："A1”->行列都是相对引用，“$A$1”->行列都是绝对引用，“$A1"->混合引用（具体为列绝对引用行相对应用）。在这里使用"$A1"这种引用方式，可以保证向左、向下扩展时，字符串的位置能相应的变动。

(2). 其次，column()-1,因为不同列获得分割后的字符串的部分不同，如果写成1的话，再使用自动向右扩展时，并不会自动改变，所以采用这种写法。

还可以使用LEFT、RIGHT函数进行拆分，详细可以参考：https://jingyan.baidu.com/article/9f7e7ec09e86956f281554f7.html。但是这种方法有一个限制，即待分割的数据必须是规范化的数据，这样才能利用自动填充技术。

最后使用自动填充技术拆分数据。

3.行列转置

行列转置就是将原本按列保存的数据转化成按行保存的数据，或者相反。这个操作很简单。具体操作流程如下：

先选中要进行行列转置的数据，右击【复制】，然后在空白单元格处右击【粘贴选项】，选择转置即可。(将鼠标放到具体的粘贴选项上时，会有信息提示。因为记得我的Exce上原本的粘贴选项上并没有"转置“这个选项，我一次使用转置功能之后，它就出现了。)

还有一点要注意，数据一定要先【复制】，【剪切】是无法进行转置的。

4.对数据进行筛选

假设原始数据如下：

4.1 数值\文本筛选

假设对“语文”进行数值筛选。右击“语文”旁边的向下的箭头。如果该字段数值型的则出现的是“数字筛选”，如果对应的字段是文本类型，则出现的是“文本筛选”

随意选中任意一个便可以设置筛选条件。如下图：

这里要说的是？和*的问题。从网上搜到一个答案，具体如下：

1. ?的作用是单个字符，比如你要搜索 姓王的输入王? 便只能筛着王芳　王兰　王牛两个字的。
2. *的作用是1个或1个以上，上述条件输入王*，就可以筛着王芳　王兰　王牛　王大伟　王熙凤　王牛比　王察基尔　等。 

但是这里有一点要注意，？和*都是英文字符，如果输入中文的？，是没有任何作用的。 另外还有一点要注意的是，无论是数字筛选还是文本筛选，一次都只能针对一个字段进行最多两个条件的筛选。如果需要同时对两个字段进行筛选，这种筛选方式是做不到。

4.2 高级筛选

简单点说，高级筛选可以同时对两个或两个以上字段进行筛选。数据如下：

至于如何使用操作高级筛选功能可以参考：https://jingyan.baidu.com/article/358570f6819206ce4724fc90.html

上述筛选结果如下：

对这个实验结果进行分析会发现，高级筛选实现了同时对多个条件进行筛选，各个条件之间是“与”的关系。如果改成如下筛选条件：

 则其筛选结果如下：

如果换成如下筛选条件：

则其筛选结果如下：

从这个实验结果可以发现：对于条件筛选域，列与列之间是“且”的关系，而行与行之间则是“或”的关系。

另外，高级筛选还可以实现删除重复项的功能。将高级筛选框中条件筛选区域设为空，并勾选“选择不重复记录”，就可以轻松实现删除重复项。

5.表格

Excel中的表和表格是两个不同的概念，将excel中的表转化对应的表格之后能够方便快速地对数据进行处理。选择数据区域内的任意活动单元格，点击【插入】->【插入表格】,之后点击确定就可以将表转化表格。转后之后的数据如下图所示：

 这里只简单介绍表格的汇总功能。点击表格中的任意单元格，选择【单元格工具】中的汇总。具体如下：

6.数据验证

数据验证主要是为了控制用户的输入，使用户的输入尽量规范。这里主要介绍如何制作下拉列表。

具体制作流程如下，设定的下拉列表之后，在对应的单元格区域就不能输入其他内容了。

注意，上述第4步中，还可以从特定的表格中进行选择，这样可以保证能随意更加或删除填写的选项。