用excel进行数据分析

做了秦路老师在线课程里的一个用excel做数据分析的作业,写此篇以回顾总结我解题时所用方法、思路与秦路老师不同的地方,以及从秦路老师的讲述中我学到的分析思路以及方法技巧。

数据源为一份餐饮数据,大概有6000行,有一些数据已被我做了些许处理:

数据源

秦老师所普及数据分析好习惯:做数据分析之前先将原始数据复制一份,已保留原始数据。


第一题:全国点评数最高的饭店是哪家?

这道题我做的时候第一反应就是用函数法取查找,我想到了四种函数公式去解这道题:

1.经典的INDEX函数与MATCH函数匹配查找:index(A:D,match(max(D:D),D:D,0),3);

2.用LOOKUP函数取查找:lookup(max(D:D),D:D,C:C);

3.用LOOKUP函数的经典查找方式:lookup(1,0/(D:D=max(D:D)),C:C)这种函数的第二参数运算结果返回一串有错误值和0组成的数组,而0将会被当做查找到的值返回;

4.利用VLOOKUP函数的逆向查找公式查询:vlookup(max(D:D),if({1,0},D:D,C:C),2,0);函数中嵌套的IF函数会生成一个源数据的D列在前,C列在后的两列数据,相当于将D列和C列位置调换。

这四个函数公式基本涵盖了EXCEL中所有的查找相关函数,相比较而言INDEX和MATCH函数这种匹配查找方式适用性更广。

当然第二种用LOOKUP函数的直接查找返回了错误的结果,是因为LOOKUP函数也同VLOOKUP函数一样是不能进行逆向查询的,这也是我通过这道题学到的一个知识点,也暴漏了LOOKUP函数的局限性。

秦路老师思路:直接将点评数列降序排列,从而直接得到了点评数最高的饭店是三宝粥铺。

从这道题得出的经验就是:用最方便快捷的方法去解决问题,而不是刻意追求难度。这样才能提高效率。当然尝试用各种方法解决问题对作为学习者的我是很重要的,只不过从这道题暴漏出我的不足就是一拿到题就去实践所有的能想到的解题方法,而没有去想哪个方法是最简单高效的。解题思路上有缺陷。

第二题:哪个城市的饭店人均口味最好?

这道题的解题思路很简单:插入数据透视表,将城市拖到行标签,口味拖到数值,值汇总依据选择平均值,就可得出如下图所示结果,可以看出人均口味最好的城市是上海:

人均口味最好的城市是上海

秦老师普及数据分析好习惯:不要在透视表上处理数据,而是将透视表选择性粘贴数值到其他区域进行处理。

第三题:类型为川菜的店中有多少带“辣”字的?

这道题我想到了三种计数函数:

1.用COUNTIFS函数计数:countifs(B:B,“川菜”,C:C,“*辣*”);

2.用SUMPRODUCT函数的计数功能:sumproduct((B:B=“川菜”)*(C:C=“*辣*”)*1);

3.用SUM函数的计数功能:{=sum((B:B=“川菜”)*(C:C=“*辣*”)*1)}。

但后两个公式都没算出正确结果,我检查出的原因是通配符*的使用导致了返回错误结果,通配符在这两个公式中的使用方式是错误的。

SUM函数公式的花括号是由于SUM在此背景下的应用为数组函数、EXCEL中公式输入完成后按快捷键Ctrl+Shift+Enter会自动生成花括号。

秦老师的方法是:插入空白列,用Find函数:find(“辣”,C2,1),返回辣字在饭店名称中的位置,然后用筛选功能筛选掉错误值和筛选出川菜,剩下有数字的单元格个数就是川菜类型中带辣的饭店名称的个数。

第五题:口味、环境、服务评价都在8.0以上的饭店有几家?他们在哪个城市的占比最高?

这道题包含两个问题,第一个问题评分均在8.0以上的饭店有几家,我用计数函数COUNTIFS,SUMPRODUCT函数和SUM函数的计数功能分别进行求解:

countifs(G:G,“>=8.0”,G:G,“>=8.0”,I:I,“>=8.0”)

sumproduct((G:G>=8.0)*(H:H>=8.0)*(I:I>=8.0))

{=sum((G:G>=8.0)*(H:H>=8.0)*(I:I>=8.0))}

SUM和SUMPRODUCT返回的结果比COUNTIFS返回的结果大1,原因是SUM和SUMPRODUCT将我的标题行也跟8.0进行了比较,而在excel中文字、字母、逻辑值TRUE和FALSE都是比数值大的,所以标题行也被这两个函数拿去跟数值8.0进行了比较,而COUNTIFS函数不会将文字与数值进行比较。

这些饭店在每个城市的占比利用数据透视表取做,很简单。

第六题:上海地区中各个类型饭店服务前五名?

利用数据筛选功能将上海地区的数据筛选出来复制粘贴在一张新的sheet中然后用透视表进行处理得到结果:

上海地区各个类型饭店服务排名

秦老师讲方法:将上海的数据单独粘贴在一个SHEET后,以类型为主要关键字,服务为次要关键字,对数据表排序,也就是先根据服务列排序,再根据类型列排序:然后用IF函数返回各个饭店在该类型中的名词,用筛选功能选出前五名就得到了结果,这里IF函数的使用较为巧妙:

秦老师方法得出的结果

第七题:没有评价的饭店有几家?

这道题本也是道条件统计题,但是去统计有数据行中点评列为空值的个数,如果我在函数公式中选中整列去统计空值的个数会将没有数据行的空值在统计在内,而如果要选中有数据行区域,估计拖拽选中五千多行数据就得一分钟。

所以有一个简单的方法就是选中点评列,可以在窗口右下方看到有个计数4510,这个数据就是该列非空值的单元格个数,然后单击整表中某个单元格,单后双击单元格下边框,表格会迅速呈现最后一行数据,可以看出总共有5864行数据,所以没有评价的饭店数量=5864-4510+1

点评列非空值单元格有4510个


共有5864行数据

第八题:将人均价格划分成0-5050-100100-150150-200200+这几个档次,问各个城市分别有几家,其中占比又是多少?

第一步先将人均价格划分档次,利用VLOOKUP函数可实现分组功能:

用VLOOKUP函数对人均价格分组

然后插入透视表进行分析得出结果:

各个城市不同价格分组饭店数所占比例
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350

推荐阅读更多精彩内容