我，32岁公司财务，用Python3秒钟完成别人半天的工作量，不用Excel了？
做过数据分析的程序员都知道：Excel、Tableau等这些亲民工具都是数据分析的得力助手。
但用Excel做分析，繁琐的每一步都是来自鼠标点击，中间如果一步有误，很多步骤都需要重新调整，浪费大量时间。
这不，前天临近下班时间，老板突然Q我：算一下近一年销售额总额TOP5的品牌以及对应的销售额。
接收完文档我傻眼了，公司旗下有20个品牌，这些品牌涉及到128个类目，业务部门总共发来了128张表，每一份表格对应着一个细分行业的数据，像什么各类户外服装、垂钓装备、救生装备应有尽有。
每张表，以月的维度记录着每个品牌的日期、访客、客单、转化、所属类目（细分行业）等数据：
习惯性的打开Excel，我开始盘算：最终需求是要筛选出近一年销售额总和排名前5的品牌，这一摊子数据，对单独的一张表进行分类汇总，能够得到该细分行业各品牌的销售额，想要得到所有行业的销售额总和，得分类汇总128次，最后对128次结果再次合并。
“这个任务看上去很艰巨，不过，考验的主要是体力。”我一眼就“看穿”了事情的本质，右手食指在鼠标上飞速跳动，以90秒一张表格的速度疯狂推进。按照这个速度，不考虑疲劳值对速度的拖累，大概3.2个小时就能够完成任务。
然而，刚开始还没3分钟，老板找到我：刚交你的任务暂时不用做了，新来的已经得出结论了，看着还挺专业。
多年来的职业敏感性驱使我立马跟新同事聊了一下，“刚刚那些表分分钟就搞定了，很简单！”他演示给我看，“我就使用了几行Python代码…”
首先，导入模块，打开单个表格：
接着，汇总不同品牌在这个细分行业下的销售额，没有销售额的字段，可以通过访客数转化率客单价三者的乘积来计算：
按品牌来汇总销售额，得到近一年各品牌销售额合计：
对于单独行业的销售额，应该加一个区分的标签以防覆盖，而打开时候的文件名，具有天然的区分和防覆盖优势，但要注意去掉文件的后缀。
OK，单个表格处理完成，我们把这一系列操作推而广之即可。用os.listdir方法来遍历文件名，批量循环访问并处理文件，同时引入time计时，打算看一看，面对128张表，Python完成这些操作到底能够比手动快多少：
WOC，整个过程一气呵成，不到3秒，平均一张表格0.02秒！真香！
为了确保数据正常，来预览一下：
这一串看起来很奇怪的销售额，是pandas自作主张把实际销售额变成了科学记数法形式来展示，要还原数值，需要更改一下原始的设置：
我本以为学会Excel走遍天下，没想到Python效率这么高！
20年前，学英语不是为了成为翻译员；10年前，学电脑不是为了成为打字员；今天，学Python数据分析与挖掘不是要都成为数据分析师。
而越来越多的互联网人利用Python完成自动化办公、表格处理、信息搜集、数据分析、数据可视化等工作，至少释放了80%的劳动力！
我们知道什么样的程序员最受欢迎？
肯定不是只会写代码的码农，而是技术过硬又懂业务的，可以通过数据分析，优化代码解决实际业务问题的人才！
其实无论是做研发、系统架构，还是产品、运营，在数不清的场景下，用Python做数据分析与挖掘其实是基本功，它不是一个职位，而是一个技能。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
