真香还是假香，Python处理分析128张Excel表格竟然不到3秒？| 附案例数据集

更新完Pandas基础教程，后台有不少旁友留言，想要了解怎么用Python提升处理数据的效率，或者说怎么用Python自动处理多张Excel表格，于是乎便有了本文。这篇文章算是Python数据分析实战的第二个独立案例。

注：文末可获取案例128张完整源数据和代码。

案例背景

在另一个平行世界，有一家专注于户外运动的巨头公司。既然是巨头，为了更加亲切，我们就叫他大头吧。大头的旗下有20个品牌，这些品牌涉及到128个类目（细分行业），涉及范围之广令人咋舌，可谓遍地开花。

平行世界的小Z就是这家巨无霸的数据分析师，今天刚来公司就接到了一个需求——下班前务必筛选出近一年销售额总额TOP5的品牌以及对应的销售额。

近一年？TOP5？

WOC，这么简单的需求也算需求？直接排个序不就好了。

还一天时间，不急不急，先来一杯咖啡，再看看新闻。

一眨眼的功夫，时间来到了17:30，小Z觉得今天的需求可以开动了，做完之后还能简单分析一下，应该能赶在18:00整点下班。

当他打开同事共享给他的表格文件，他才体会到，绝望，原来这么远，又这么近。

业务部门的同事总共发来了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（2018年9月-2019年8月，近一年）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：

注：不要问为啥表格数据存储这么奇葩，因为在平行世界，就是要任性，毕竟复杂的表格才能体现出Python的高效

小Z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。”小Z一眼就“看穿”了事情的本质。同时脑海中蹦出了“红军不怕远征难”几个红彤彤的大字。接着，他带上耳机，打开了唐朝乐队的“国际歌”，在双重buff的加持下，开始了表格的远征。

果然是个处理数据的好手，小Z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。

国际歌循环到第10遍，小Z有些气馁，第20遍，开始感到绝望。

就在行将放弃之际，他想起了Python的潘大师（Pandas），虽然最近刚学还不是很熟练，但事到临头，黑暗中的一缕微光，那就是唯一的希望，小Z决定用Pandas来尝试解决问题。

他明白，用Python解决批量问题的核心，在于梳理并解决单个问题，然后批量循环。

单个表格处理

首先，导入模块，打开单个表格：

接着，是要汇总不同品牌在这个细分行业下的销售额，我们要汇总的是各品牌近一年（2018年9月-2019年8月）的销售额，先看看日期是否正确：

正要汇总销售额，小Z发现没有销售额的字段，但销售额是可以通过访客数*转化率*客单价三者的乘积来计算的：

按品牌来汇总销售额，得到近一年各品牌销售额合计：

这里有个细节，最终小Z要汇总的是所有细分行业的销售额，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。

批量循环执行

小Z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：

OK，无论是习惯还是法理，都得到了我们希望的结果——近一年销售TOP5品牌及其对应的销售额。从数据结果来看，大头公司下的20个品牌全面开花，以品牌5为先锋，一年销售高达12.26亿，排名最后的品牌体量也达到了9.79亿元，平均单品牌销售10.85亿元。

总结

本文以一个简单又复杂的场景切入，简单是需求本身非常简单，而复杂则是基础数据涉及到的表格多而杂。代码和逻辑本身浅显易懂，主要为了抛出一块砖，敲开批量处理表格的思维藩篱，以引出同志们实践中，在合适场景下用Python来化繁为简的玉。案例中表格共128张，大家可以自己尝试和探索更有趣的分析。

代码+数据集github下载地址：

https://github.com/seizeeveryday/DA-cases/tree/master/Python%2Bexcel