话说,数据透视表是Excel里超级好用的数据分析功能!君不见,前天我发文章《别傻了!PQ都没学会,VBA都学不来,你能学好Python处理Excel?》后,有朋友留言,千回百转,回到透视表……
大海:这个很简单啊。合并查询一下不就行了吗?这个以前视频《表间数据对比的两种方法》也有讲:
最近遇到一位朋友提问:怎么将多个文本文件(据说100多份)按列(横向)汇总?经过详细了解,需求如下图所示:
最近疯狂被一个Excel的BI风格模板刷屏,好奇下载看了看,其实不难,这就教你怎么做~
数据分析的的最终呈现的形式是数据分析报告,我们通过数据的数透,数据的汇总,在通过数据的可视化数据仪表盘,然后对数据图表结合公司业务和发展进行分析,最终以PPT或者WPRD的形式进行数据报告的呈现,在这些工作中,对大家来说,可能做数据报告比较化时间,我无数次听很多HR的小伙伴在群里说秋季度年度数据分析报告的模板。你下载过来的模板几乎是没用的,因为每个公司的情况不一样,你肯定是需要进行修改个更新,但是如果你不懂数据分析报告的设计和一些EXCEL的数据技能,你就不能做出一个很好的数据报告。
这一篇推文,是想要解决以下3个问题: 取消合并单元格怎么快速填充? 合并单元格如何完整筛选? 透视表如何合并单元格,如何快速填充? 假设这就是你一开始的表 下一步你想要插入透视表,居然可以插入! (好
要讲怎么在 Sql 中做透视表,我们还是先看看什么是透视表,其实透视表的核心就是按照行列同时分组,然后对分组后的值进行某种汇总运算。
之前在公众号提过,我写了一本书,现在这本书终于面世了,这本书就是『对比Excel,轻松学习Python数据分析』,这本书是写什么的,以及这本书怎么写的,相信大家通过书名就能了解一二,但还是有必要专门写一篇文章来详细介绍一下。
在数据分析过程中,图表是最直观的一种数据分析方式,数据透视表具有很强的动态交互性,而Excel也可以根据数据透视表创建成同样具有很强交互性的数据透视图,而且,直接通过普通表格创建数据透视图,也将同步创建一张数据透视表。
现在很多企业都在做数据化转型,相对应的是企业内部的各个部门也开始做数据化的转型准备。这几年很多的公司,很多的机构,很多的HR 都相继提出人力资源要做数据化转型,数据要驱动业务的发展,支持公司的战略。但是我们听到了太多的 WHY,战略层面的数据化转型,数据体系的搭建,人力资源整体的数据转型,人力资源支持业务的发展,HR的思维要如何的去转型思考。但是很少有人告诉你,作为一个HR 你在企业里,你应该怎么做,如何去在你自己的人力资源模块里进行数据化的转型,建立数据体系,人力资源结合业务去去确定业务,发现问题,解决问题。
在前端开发领域,表格一直都是一个高频使用的组件,尤其是在中后台和数据分析场景下。但当一屏展示数据超过1000条数据记录时,会出现浏览器卡顿等问题,严重影响客户体验。为解决这些性能问题,不少组件也提出了相关的解决方案,以ElementPlus为例,提出了虚拟化表格的概念来流畅的展示更多的数据,但该功能目前仍在测试中,投入生产环境可能会有一定的风险,因此本文不做更多的介绍,大家有兴趣可以参考虚拟化表格。
开启新的阶段。第二阶段评为难度最易是因为他们与Excel的函数基本一样,如果你会用Excel中的If和Vlookup,这些就算不上新的知识,然而这最简单的往往也是最好用的。
许多 R 的新用户在金融、市场、商业分析等领域有丰富的行业经验,但是他们并没有太多的编程背景,所以日常工作中还是选择 Excel、PowerBI 这些传统的工具进行工作;tidyquant 的作者意识到了这些痛点,于是他在新版本中加入了好多 Excel 的特性,如果你是 Excel 的重度患者,又想体验 R 强大的数据处理和可视化功能,那么本文再合适不过了!
下文为电子表格大会主席李奇在论坛上的分享。 一般我都先讲Power BI,今天被前面老师讲了,我想了半天,该讲什么好呢,最后决定给大家先讲一个我自身的故事,跟大家分享一下我是如何接触到Power BI以及Excel商业智能的吧。 很多人都问我专业不对口能否做数据分析,其实我想跟大家说,我是学考古的,所以大家只要想干一切皆有可能。 2011年以前我都在日本,在日本待了11年,在日本做过程序员,也做过开发工程师,也给日本那边失业的人进行Excel培训。2011年回国之后,我到了IBM,做销售运营管理数据分析。做
微软用几年的弯路摸索出自助商务智能的最终产品路线,PowerBI 自然而然地来了。另外,如果您正从零(或者具备一定Excel基础)开始希望学习自助BI,也可以对照看目前所处的位置以更清晰学习上升的路线。
从零搭建微信公众号数据分析体系:如何用纯Excel搭建一个视觉效果堪比BI看板的大屏
一般来说,在各系统里导出的数据,在导出数据的时候,已经对导出行为进行了权限管控,如甲员工只能导广州区数据,乙员工只对导深圳数据,他们的主管可以导华南区的数据等等。理想的场景是各人使用各自的权限导出所需的数据作分析。
以前学习 Python 的 pandas 包时,经常到一些 excel 的论坛寻找实战机会。接下来我会陆续把相关案例分享出来,还会把其中的技术要点做详细的讲解。
> 经常听别人说 Python 在数据领域有多厉害,结果学了很长时间,连数据处理都麻烦得要死。后来才发现,原来不是 Python 数据处理厉害,而是他有数据分析神器—— pandas
经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。
作为 2018年 的终结篇并同时开启 2019,Excel120 将以此篇揭示 PowerBI 可以做出的最强大图表以及固定套路。
数据透视表是一个用来总结和展示数据的强大工具。pandas提供了pivot_table()函数以快捷地把DataFrame转换为透视表。
继续解决Q群小伙伴提出的问题,Excel如何快速统计各销售人员的销售总金额?题目问得好像是个销售问题,其实针对各种分类汇总的数据统计。这次用透视表的方法给大家分享一下快速统计的方法。
Power BI VS Tableau 是个老生常谈的话题。相关文章在csdn、知乎、谷歌上有不少。但一来这两家的产品更新迭代很快,二来网上很多文章都是大方向上抽象概念的对比,没有细化到操作层面。个人估计,很多文章都是把初始一两篇对比文章的几个观点换个表达再写一遍,因此都是大同小异,且不痛不痒,让读者看完还是不知有啥区别。接下来我将以Power BI老手的视角,从多个方面去进行对比。本篇主要讲解可视化层面。为此,我特地用Tableau复刻了一遍Stack Overflow 2019调查问卷的Power BI报告。详见下图:
近日一篇名为 Excel界地震 微软宣布 跨4代人34岁的 VLOOKUP 退休 刷爆朋友圈,几小时就像病毒一样传播起来并很快得到了10W+的阅读,太香了。几乎所有和 Excel 有关的公众号都在发与 VLOOKUP 及 XLOOKUP 有关的文章,这还不够说明地震的嘛。一个小小的 VLOOKUP 其实可以洞悉到人们对 Excel 的依赖度之广之深。
在做一些财务、供应链、资产管理等系统时,由于业务人员线下都是采用Excel来完成的,因此就需要将Excel中业务人员使用的功能都能在Web端系统实现,整体上的实现方案有三种:
大海:如果只要干一次,那很简单,直接在Excel里先将左括号“(”替换为逗号“,”,将右括号替换为空,然后直接按逗号拆分即可。操作如下动画所示:
在我们以往的人力资源数据分析课程中,我们都是以单表的形式来对某个模块进行数据分析,数据的来源也只是来源于某个模块的单张数据表,但是人力资源的各个模块其实是一个体系化的存在,我们在分析某个模块的时候,其实一定会跟另外一个模块的数据进行关联。
Quick BI(以下简称Qbi)做数据分析有5个模块:仪表板、电子表格、数据大屏、即席分析和自主取数。其中仪表板和即席分析比较接近于Power BI(以下简称Pbi)制作的报告。本文的比较对象,主要指Qbi的仪表板和Pbi的报告。
原文在简书上发表,再同步到Excel催化剂微信公众号或其他平台上,文章后续有修改和更新将在简书上操作, 其他平台不作同步修改更新,因此建议阅读其他出处的文章时,尽可能跳转回简书平台上查看。 简书原文地址:https://www.jianshu.com/p/21b2ca8fd2b8
原文在简书上发表,再同步到Excel催化剂微信公众号或其他平台上,文章后续有修改和更新将在简书上操作, 其他平台不作同步修改更新,因此建议阅读其他出处的文章时,尽可能跳转回简书平台上查看。
永远不要低估Excel的作用,虽然名种BI工具很火爆,但记住他们只在分析师的群体中火爆,当涉及到报表分享时,分享到一般用户手里时,或者职场老一辈人群时,Excel是最佳的选择。同样对灵活性要求高、自动化程度强烈的,Excel仍然是不二的选择。
Excel中做数据透视表 ① 选中整个数据源; ② 依次点击“插入”—“数据透视表” ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从不同维度展示结果 ⑤ 结果如下 pand
Excel中两列数据的差异对比,方法非常多,比如简单的直接用等式处理,到使用Excel2016的新功能Power Query(Excel2010或Excel2013可到微软官方下载相应的插件)实现各种复杂的数据整理后再进行对比,可以根据实际需要选择使用。
Excel作为Office常用办公软件之一,其在一名数据分析师的工作日常中也占有一定地位,比如个人就常常倾向于依赖Excel完成简单的数据处理和可视化作图,其中数据处理部分则主要是运用内置函数+数据透视表两大部分。
没错,只需要加载这个名为Mito的小工具包,用Python做数据分析,变得和用Excel一样简单:
我们发布的 Excel BI 是非常强大的概念。它彻底在 Excel 下统领了整个商业智能体系。
说到PDF呀,全称为Portable Document Format,意为“可携带文档格式”。它最大的优点就是可以不限于应用程序、操作系统的阅读,还不会被修改。
PowerBI中的权限控制是分层次的,具体请以官方文档为准。但为了便于快速理解,这里特此编制了一个权限结构图:
处理数量较大的数据时,一般分为数据获取、数据筛选,以及结果展示几个步骤。在 Excel 中,我们可以利用数据透视表(Pivot Table)方便快捷的实现这些工作。
为什么业务分析师要学 Power BI 尤其是 DAX 呢?我们分三文来说清楚。
最近看到群友们在讨论一个宽表变长表的问题,其实这类需求也很常见于我们日常的数据处理中。综合群友们的智慧,今天我们就来看看excel与python如何实现这个需求吧!
原作者 CDA 数据分析师 去年的CDAS 2016 第三届中国数据分析师行业峰会上,有一个比较特别的分论坛。这个论坛的嘉宾有些原本并不是业内人士,但经过一段时间的学习,他们成功转型,成为一名数据分析师。他们也有一个共同的身份—— CDA 数据分析师学员。 李运超同学在论坛上分享了自己从一个财会从业者到一名数据分析师的成长历程。 本文根据李运超在峰会上的分享整理而成。 大家好!我叫李运超,我目前是在中国人寿保险分公司做分析师,我是CDA第四期的学员,也是刚刚从一个数据分析的学习者变成从业人员。 我以
心血来潮一个周末都在研究MDX,昨天推文谈到的一些MDX资源中后,紧接着在笔记练习实操时,想起了过去接触过的这个MDX Studio工具,重新下载使用了,非常好用,特别是关键字智能提示和格式化MDX代码方面。在此推荐给大家。
领取专属 10元无门槛券
手把手带您无忧上云