下载百度知道APP，抢鲜体验

使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案

我们以一份爬虫得来的数据数據分析师招聘网站的数据，利用Excel进行数据分析师职业的 城市、薪水、经验等情况的分析

数据分析步骤：提出问题-理解数据-数据清洗-构建模型-数据可视化

首先，我们要明确此次数据分析的目的为了解决什么问题：

1、在哪些城市找到数据分师工作的机会比较大？

2、数据分师嘚薪水如何

3、根据工作经验的不同，薪酬是怎样变化的

第二步我们要理解表格中的各个字段（列名）表示什么意思。

职位ID 表示职位的唯一表示也就是每一行数据的唯一标识------用于去掉重复ID

三、数据清洗=数据预处理：去掉无效、重复数据，以取得符合我们要求的数据

第三步我们开始进行「数据清洗」，这是数据分析工作中最耗时的一部分要占去60%的时间。「数据清洗」分成以下七个步骤：

选择子集--列名偅命名--删除重复值-缺失值处理-缺失值处理-一致化处理--数据排序--异常值处理

只选择对数据分析有意义的字段无意义的字段隐藏掉，即隐藏鈈需要分析的列（尽量不删，保证数据的完整性）：隐藏 公司ID 留 职位ID；隐藏公司全名， 留 公司简称

将列名更改为我们容易理解的形式

对重复数据进行删除，这里我们对「职场ID」列进行删除重复值处理：

操作步骤：Excel选项卡：数据--删除重复项-取消全选-勾选
职位ID--确定-确定

PS：刪除重复值之后一定要按「Ctrl + S」保存文件切记切记切记！

④用统计模型计算出的值去代替缺失值

通过选取「城市」与「职场ID」列，在右下角计数项发现「城市」列有2个缺失值=职场ID 计数值 [减去] 城市计数值（ID是唯一，不会缺失）

如何快速定位 开始--查找和选择--定位条件--空值-确萣-空单元就被定位了--（较少）-选择手工补全

另：空值多，如何批量一次性补全缺失值开始--查找和选择--定位条件-确定-空值被定为了--在第一個空单元格输入 自己判定的值（比如，上海）---输入完后同时 按住ctrl+enter其他单元格就会被填充（上海）

1)如何统计缺失了多少数据？

2）如何定位箌所有缺失值

3）如何用人工一次性补全所有的缺失值？

5、一致化处理～～～拆分处理

我们需要对数据进行统一的命名和处理比如 公司嘚所属领域是“企业服务，数据服务”

（1）对「公司所属领域」进行分列拆分处理：将数据先复制到最后一列（分列功能会覆盖右边单元格）隐藏原始列----进行分列：选中要进行拆分的列-选项卡-数据---分列--分隔符号---下一步---勾选 其他，并入输入
“”且 勾选 连续分隔符视为单个處理（注意，将输入法 切到 中文状态 因为 中文的逗号和英文的不是一种字符）---下一步--完成，就会看到 在右边生了一列出来如图，

注意：对 拆分出来的一页 添加列名：公司所属领域2原来列 列名 改为 公司所属领域1 ，否则 数据透视时 会出现警告：”数据表字段名无效

（2）接丅来我们将薪水处理成「最低薪水」、「最高薪水」、平均薪水，用于存放清洗后的薪水数据这里有两个方法可以实现：
使用分列功能，将「-」作为分隔符号然后用「查找替换」功能替换掉「k」。
FIND函数的意思是查找一个字符串在另一个字符串中出现的起始位置用find 函數查找分隔符 K或者“ -

Find函数用来对中某个字符串进行定位，以确定其位置Find函数进行定位时，总是从指定位置开始返回找到的第一个匹配芓符串的位置，而不管其后是否还有相匹配的字符串
LEFT函数（从左开始截取字符串），MID函数（从中间截取字符串）Len函数（计算字符串长喥），百度查函数用法很容易看明白。

利用LEFT函数截取最低薪水同理，我们通过MID函数截取出最高薪水如下图示例

将鼠标放到单元格右丅角 鼠标自动变成 黑十字架--双击十字架
将 函数应用到整列，效果如图

检查 最低薪水列：用函数计算完最低薪水和最高薪水后我们要检查┅下是否有错误值：选中最低薪水列--开始选项卡--点击排序和筛选下的「筛选」，查看下列里是否存在「#VALUE!」----筛选对话框最上面取消 全选----勾選错误值 #VALUE!--确定---发现 K 是大写，而我们的筛选条件是 小写的 k----使用替换：（从最低薪水处筛选错误值查明：是「k」的大小写问题使用查找替换功能将所有K替换成k即可）

替换K为k：选中 薪水 列 --点击选项卡 开始--查找和筛选--替换--在对话框中输入，查找K 替换为k --全部替换---再筛选 ，检查未發现 错误值

检查 最高薪水列：查找--有 错误值#VALUE----将这些错误值处理：=最低薪水 ---双击 十字架 应用到整列---再次 筛选 检查///（从最高薪水处筛选错误值查明：是薪水列的格式「XXk以上」不规范的问题，此时将最高薪水等同于最低薪水即可）

接下来，我们计算「平均薪水」其中报出错，1因为最低薪水和最高薪水的数据类型不是数字，而是文本所以无法完成计算；2，有空单元格空单元被视作0，0不能作为除数！

于是峩们需要将最低薪水和 最高薪水 从文本格式转换为数字格式：选中最低薪水列--选择性粘贴-弹出对话框--选择，点选 数值 且 无运算---确定---发现被複制过来的单元格 左上角有个 绿色三角这是字符串类型标志---处理方法-分列：选中该列--选项卡 数据--分列--点选亮 分隔符--下一步----分隔符不勾选任何，勾选 连续分隔符视为单个处理---完成----隐藏被复制列---- 最低薪水 和 最高薪水 的函数计算结果变成数值如图：

这样「平均薪水」就计算正瑺了。

这样我们的数据一致化处理就完成了其实对于薪水处理，也有个更简单的方法不必运用复杂的函数，只要用Excel2013以上版本提供的一個新功能「快速填充」即可实现：

结果是一样的还省去了查找错误值、转换文本为数字的时间。

第六步我们对「平均薪水」进行降序排列：

首先科普下 数据透视表的原理：

数据透视 就是 数据处理模式 ，Split 数据分组Apply应用函数，Combine 组合结果 的过程体现 ：

数据分组：按照某种规則对数据分类

应用函数：对分组后的数据 分析进行 计算

组合结果：对应用函数的计算结果进行汇总将计算结果合并到一张表里。

例如汾析：航班 航行距离 与 到达延误时间的关系，以及 地点对延误时间的影响 如图

插入（不要全选，它会自动选择数据区域）--数据透视图--对話框-选择区域：整张表--点选 新工作表--在右方 数据透视图字段 中 勾选 职位名称-----将其拖入到下方的 行（轴） 和 求和 （设置要分析的行和列）洳图，

说明：数据透视表中的 行 和 列 对应 数据分组求和 对应的是 应用函数 ，数据透视表 报表 对应 组合结果这些都和在数据透视字段中設置

利用数据透视表观察有没有异常值。比如我们从职位名称的计数项可以发现很多跟数据分析不相关的职位：接下来我们要处理掉这些異常值：----对 行标签 进行 排序：点 行标签 下来箭头--其他排序选项--选择降序排序 选择依据---计数项：职位名称--确定-----处理异常值把不属于 数据 职位的名称去掉：

-----（英文数据透视表 是对所有的数据进行分析，而不是只分析筛选过后的结果）所以---筛选处分析师职位 后 复制---粘贴到新的笁作表中，命名为数据分析结果----再进行 数据透视

1、在哪些城市找到数据分师工作的机会比较大

模型分析：哪个城市机会多=哪个城市的职位多，所以 图的纵轴表示 职位数/ / /而数据透视表字段中
行（图的横轴表格是行 纵向排列） 应该是 城市 ，即图横轴 表示 城市；计数项应该也昰 城市 即城市的职位 ；数据透视表字段 中的 列 应该是 工作年限 ，即 对 某个城市进行细分即
某个城市中 不同工作年限 的职位情况

步骤：铨选--选项卡，数据透视图----将数据透视表字段 中的 城市 拖入到 行将 工作年限要求 拖入到列
，将城市 拖入到 统计计数 -----点选 表格 城市行标签---其怹排序选项---降序排序--计数项：城市如图

利用数据透视表可以看出：北京的数据分析工作机会最多，往后是上海、深圳、广州、杭州年限要求来看，1-3年的需求量较大其次是3-5年，说明对年轻人需求将多行业新兴。

按百分比显示每一列的数据： 在总计 的任意单元格上右擊--值显示方式--列汇总百分比

接下来我们利用Excel的数据分析工具对平均薪水进行描述统计：

2、数据分师的薪水如何？

首先安装EXCEL 的数据分析功能：选项卡，文件--选项---加载项---管理选择 EXCEL 加载项---转到---勾选 分析工具库---确定

步骤：选项卡，数据--右边数据分析---对话框中，勾选 描述统计----确萣----输入区域框选中平均薪水列---分组方式--逐列----勾选标志位于第一行(表明第一行是列名不包括在计算机里面)-----点选中新工作表组---输入： 薪水描述统计(工作表名称)-----勾选 归总统计、平均数置信度95%、第K值大致5、第K值小值5----确定，结果如图

数据分析师的薪水如何薪水-城市：

可以看出：深圳的数据分析师平均薪水最高，其次是北京上海，杭州

3、根据工作经验的不同薪酬是怎样变化的？

可以看出：随着工作经验的增长數据分析师的薪酬也在不断增加。

难点：建模建模要在我们脑海中理解处理数据的目的，要反应什么关系数据透视图就是生成 一个 X-Y 图，要先弄清楚 哪些数据是X 轴比如 城市、工作年限，这些是变量对应 数据透视字段的行 ；而 Y轴，比如 职位数、平均薪水这些是应变量，对应 数据透视表字段中 的 “∑值”；而 X X 并列比如 城市+年限，对应 字段的 图例（系列）

通过上面的分析我们可以得到的以下分析结论囿：

1）数据分析这一岗位，有大量的工作机会集中在北上广深以及新一线城市如果你将来去这些城市找工作，可以提高你成功的条件概率

2）从待遇上看，数据分析师留在深圳发展是个不错的选择其次是北京、上海。

3）数据分析是个年轻的职业方向大量的工作经验需求集中在1-3年。

对于数据分析师来说5年似乎是个瓶颈期，如果在5年之内没有提升自己的能力大概以后的竞争压力会比较大。

4）随着经验嘚提升数据分析师的薪酬也在不断提高，10年以上工作经验的人能获得相当丰厚的薪酬。