理解Excel的重要性（应用场景）
excel学习路径
excel的必知必会
- 保证新版本
- 培养好的数据表格习惯
- 主动性搜索
- 多联系
什么是函数
官方出品：函数的定义：给定一个数集A，假设其中的元素为x。现对A中的元素x施加对应法则f，记作f（x），得到另一数集B。假设B中的元素为y。则y与x之间的等量关系可以用y=f（x）表示。我们把这个关系式就叫函数关系式，简称函数。
函数概念含有三个要素：定义域A、值域C和对应法则f。其中核心是对应法则f，它是函数关系的本质特征。
文本清洗函数
补充：编码问题
1 bite = 两种可能性 用0/1存储
1 byte = 8 bite 一共有2**8中可能性
1 byte 可以存256个字符编码，存储方式ASCII，包括英文+数字+符号。
然鹅！不适合存储汉字，使用2 byte组合，称为GB2312；后拓展为GBK，包括了繁体字；接着考虑到少数名族的文字，变成了GB2312；最后～最后～～，发明了万民码Unicode。
举例说明：
常见文本清洗函数：
find
left/right/mid
concatenate
replace
substitute
text
trim
len
练习：数据集：DataAnalyst
观察数据
1.首先观察数据，字段名称为英文，分别是城市、公司ID、公司名称、招聘岗位名称、工资等......
2. 隐藏（去除）一些暂时不需要的字段：
如companyid/positionid是唯一标志，可以通过vlookup函数进行一些关联分析，此处暂时不需要。companyfullname/compangshortname 实际是同一信息，可省略。
3. 处理缺失值
如果某一字段缺失数据较多（超过50%），分析过程中要考虑是否删除该字段，因为缺失过多就没有业务意义了。
通过选取该列，查看计数，直观判断是否存在缺失。
最终，部分字段数据缺失，但不影响分析，故忽略。
4. 数据是否一致化
一致化指的是数据是否有统一的标准或命名。例如上海市数据分析有限公司和上海数据分析有限公司，差别就在一个市字，主观上肯定会认为是同一家公司，但是对机器和程序依旧会把它们认成两家。会影响计数、数据透视的结果。
5. 数据是否有脏数据
脏数据是分析过程中很讨厌的环节。例如乱码，错位，重复值，未匹配数据，加密数据等。能影响到分析的都算脏数据，没有一致化也可以算。
这里有一个快速窍门，使用Excel的删除重复项功能，快速定位是否有重复数据，还记得positionId么？因为它是唯一标示，如果重复了，就说明有重复的职位数据。看来不删除它是正确的。
对positionId列进行重复项删除操作
6. 数据标准结构
数据标准结构，就是将特殊结构的数据进行转换和规整。
表格中，companyLableList就是以数组形式保存（JSON中的数组）
在一些情况下，如positionadvantage、salary等需要拆分处理。
清洗数据
（1）获取最高薪资和最低薪资
使用函数：find / right /left
具体操作：
法一：find寻找“-”的位置，使用left/right函数获取“**k”。
如图（原谅我mac如此简单粗暴了）：
然后计算平均值等。。。
注：“&”链接符号，用法：
或者 concatenate
法二：使用mid函数
直接写了：topsalary = mid(salary,......)（无奈歇菜，还是按照公式生成器的操作来......）
最后检查一下是否有错误，通过筛选功能发现存在“#Value”值，
原因如下：很多HR将工资写成5K以上，这样就无法计算topSalar。
为了计算方便，将topSalary等于bottomSalary，虽然也有误差。
（2）分列操作
对companglabellist分列：companyLabelList是公司标签，诸如技能培训啊、五险一金啊等等。直接用分列即可。大家需要注意，分列会覆盖掉右列单元格，所以记得复制到最后一列再分。
（2）对positionAdvantage的分列：
这些内容均是自定义，没有特别大的分析价值。如果要分析，必须花费很长的时间在清洗过程。主要思路是把这些内容统一成几十个固定标签，主要利用Python分词和词典进行快速清洗。
暂且分析这么多啦，接下来讲解一个神器：数据透视表，可以说是数据分析必备技能啦。（当初参加数学建模时，数据透视表可是帮了大忙！）
数据透视表
（1）单独针对positionName用数据透视表。统计各名称出现的次数。
em.....出现次数为3次以下的职位，有约一千，都是各类特别称谓。所以换个思路，用关键词查找的思路，找出包含有数据分析、分析师、数据运营等关键词的岗位。虽然依旧会有金融分析师这类非纯数据的岗位。
这里只是针对一个数据分析师岗位的统计，所以先确定关键字“数据分析”、“数据运营”、“分析师”，并使用if函数，如果满足上述三个关键字则返回“True”=1。
用find和数组函数结合，shift+ctrl+enter输入。就得到了多条件查找后的结果。
单纯的find 只会查找数据分析这个词，必须嵌套count才会变成真数组。
然后再使用数据透视表，基本是很直观清洗了！
分析过程
分析过程有很多玩法。因为主要数据均是文本格式，所以偏向汇总统计的计算。如果数值型的数据比较多，就会涉及到统计、比例等概念。如果有时间类数据，那么还会有趋势、变化的概念。
整体分析使用数据透视表完成，先利用数据透视表获得汇总型统计。
似乎是公司越大，需要的数据分析师越多。
但这样的分析并不准确。因为这只是一个汇总数据，而不是比例数据，我们需要计算的是不同类型企业人均招聘数。
数据分析师岗位与学历的统计：
数据分析师岗位与工作年限的统计：
各城市不同工作年限的薪资水平：
注：因为存在薪资极值影响。而数据透视表没有中位数选项。我们也可以单独用分位数进行计算，降低误差。
薪资可以用更细的维度计算，比如学历、比如公司行业领域等。
另外数据分析师的薪资，可能包括奖金、年终奖、季度奖等隐形福利。部分企业会在positionAdvantage的内容上说明，可以用筛选过滤出这类关键词，作为横向对比。
以上只是大概了解。。。其实还有一堆函数：逻辑运算函数、计算统计函数、时间序列函数....
慢慢写。。。。excel的笔记写着有点累（哭唧唧～～）
