啦啦啦，第二周的笔记以后再补上，现在想先趁热打铁，把第三周Excel的实战笔记写上。
其实之前仔细《从职场新人到数据分析高手——Excel应该这样学》这本书啃了一遍，而且里面的实战项目也一一跟着做了，算是有excel数据分析基础的。
秦璐老师的《七周成为数据分析师》课程简单了讲了一些Excel使用较高频的函数，并系统地分为 文本清洗函数、关联匹配函数、逻辑运算函数、计算统计函数、时间序列函数 来做介绍。所以这里我也简单地记录下我跟着课程做的Excel函数实战。
首先是文本清洗函数，其实课程内容就是秦璐老师发的Excel实战篇文章https://zhuanlan.zhihu.com/p/24084300中讲到的，我跟着自己实践了3遍。
现在贴上实战过程：
上表是招聘网站上约5000条的数据分析师职位数。
1.拿到数据时先观察数据，字段名称都是英文，看一下columns的含义：城市、公司全名、公司ID……数据基本涵盖了职位分析的所需。
2.首先看一下哪些字段数据可以去除。companyId和positionId是数据的唯一标示，类似该职位的身份证号，这次分析用不到关联vlookup，我们先隐藏。companyFullName和companyShortName则重复了，只需要留一个公司名称，companyFullName依旧隐藏。
注：尽量不删除数据，而是隐藏，保证原始数据的完整。
3.接下来进行数据清洗和转换。
- 数据有无缺失值
数据的缺失值很大程度上影响分析结果。
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。
Excel中可以通过选取该列，在屏幕的右下角查看计数，以此判别有无缺失。
该表共有6877条数据，companyLabelList、businessZones、positionLables都有缺失，但不多。不影响实际分析。
- 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。
- 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。
我们看表格中有没有重复数据。
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。
下面对positionId列进行重复项删除操作：
- 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。这会影响我们的分析。businessZones、positionAdvantage和positionLables也是同样问题，我们后续得将这类格式拆分开来。
薪水的话用了几K表示，但这是文本，并不能直接用于计算。而且是一个范围，后续得按照最高薪水和最低薪水拆成两列。
- 数据清洗
数据大概了解后，就可以进行数据清洗啦：
数据清洗可以新建Sheet，方便和原始数据区分开来。
先清洗薪水吧。将salary拆成最高薪水和最低薪水，这里我就用2种方法啦。
方法1：直接分列，以"-"为拆分符，得到两列数据，然后利用替换功能删除 k这个字符串。得到结果。
选中salary列，“数据”-“分列”功能，选择“下一步”，在分隔符号选择“其他”，填入“-”，
然后继续点击“下一步”，将目标区域选在两列空白列的首行，我选在了“$R$1,$S$1”，点击“完成”，奇迹诞生啦！
然后如果想去掉"k"的话，就直接替换掉就行啦！
方法2：利用文本查找的思想。先用 =FIND("k",P2,1)。查找第一个k（最低薪酬）出现的位置。
这里利用find函数得到的就是第一个k出现的位置，那我们要先得到底薪，就要用left函数，刚才我们已经用find函数定位找到“k"所在的位置，这里的left函数中的[num_chars]意思即为要找到几位，则可嵌入我们刚刚写的FIND("k",P2,1)。如果要把"k"去掉，这里的FIND("k",P2,1)可以再减1。
最高薪水也是同样的思路，但不能使用k，因为第二个薪水位置不固定。需要利用find查找"-"位置,然后截取 从"-" 到最后第二个位置的字符串。
这里我尝试着使用了mid函数，
，用了这个，看看结果怎么样：
结果成功！如果想把top(1)列的"k"去掉，该怎么办呢？
用这公式就可以啦。
然后检查一下有没有错误，利用筛选功能快速定位。
发现竟然有错误！看下怎么回事：
发现原来是大写字母“K”，因为find对大小写敏感，此时用search函数，或者将K替换成k都能解决。我就选择简单的替换功能啦。
接下来分析PositionName，单独针对positionName用数据透视表。统计各名称出现的次数。
出现次数为3次以下的职位，有约一千，都是各类特别称谓……更改职位名称似乎不现实，那就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。利用if函数来判断，这里需要count和find的嵌套，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。
1为包含，0不包含。将1过滤出来，这就是需要分析的最终数据。
还有BusinessZone、PositionLabel等标签，这里就不清洗啦，可以直接用分列功能将数组标签排列出来。
分析过程
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。
这里我利用数据透视表的筛选器，将包含有数据分析、分析师、数据运营等关键词的岗位（即判断为1的岗位）筛选出来。
看来北京的数据分析岗位机会远较其他城市多。1-3年和3-5年两个时间段的缺口更大。应届毕业生似乎比1年一下经验的更吃香。
再看一下公司对数据分析师的缺口如何。
看上去是公司越大，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。
如果北京的互联网公司特别多，那么即使有1000多个岗位发布也不算缺口大，如果南京的互联网公司少，即使只招聘30个，也是充满需求的。
还有一种情况是企业刚好招聘满数据分析师，就不发布岗位了，数据包含的只是正在招聘数据分析师的企业，这些都是限制分析的因素。我们要明确。
（这是秦璐老师的原话，真的觉得，光用工具做好数据分析是不行的，我们还要去观察发现，去总结，去找原因）
看一下各城市招聘Top5公司。还是用数据透视表来筛选，以北京为例：
筛选出岗位数最多的前5项，再看看其他城市的，最后汇总得到以下结果：
可以看到北京的美团以78个数据分析职位招聘力压群雄，甚至一定程度上拉高了北京的数据。
下面再来看一下数据分析师的薪水。嘿嘿，这个大家肯定都关注！
这里的列标签是avg，我采用的是(bottom+top)/2，至于有一些“10k以上"的数据，则是将以上去掉，再平均啦，取个平均值。所以数据并不是很准确，取个大概。
我们看到南京、西安在应届生中数据最高，是因为招聘职位不多，因为单独一两个企业的高薪影响了平均数，其余互联网二线城市同理。当工作年限达到3年以上，北上深杭的数据分析师薪资则明显高于其他城市。
数据会有误差性么？会的，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，是否博士生远高于本科生，是否金融业薪资高于O2O。
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。
分析过程还可以利用其他维度来进行分析，就是用数据透视表进行多维分析啦！例如还可以看一下数据分析的职位标签，看看需求等等，将职位标签和薪水关联，是另外一种分析思路。这里就不续赘啦~\(≧▽≦)/~啦啦啦 还会继续做别的案例的~晚安。
