Excel数据编辑处理技巧

Posted 2023-05-12

参考技术A

Excel数据编辑处理技巧

　　Microsoft Excel是微软公司的办公软件Microsoft office的组件之一，是由Microsoft为Windows和Apple Macintosh操作系统的电脑而编写和运行的一款试算表软件。下面是我整理的关于Excel数据编辑处理技巧，希望大家认真阅读!

　　一、隐藏行列

　　工 作表中可以对暂时不需要显示的数据进行隐藏。选中需隐藏的行或者列，右键——隐藏，就完成隐藏了。也可以用更快捷的方式，快捷键Ctrl+9隐藏行;快捷 键Ctrl+0隐藏列。选中包含隐藏的行或列范围，右键——取消隐藏，隐藏的范围就取消了。

　　二、不连续行列插入

　　不连续行新增：按住Ctrl不放，在多个需要插入行位置，点击需插入行，点击“插入——插入工作行”;不连续列新增：按住Ctrl不放，在多个需要插入列位置，点击需插入列，点击“插入——插入工作列”。完成新增行列后，编辑各字段内容即完成了报表的更新维护。

　　三、快速制作工资条

　　首先，在工资表后面添加“辅助列”，并生成连续序号;其次，复制所有辅助列序号，在辅助列最后一列单元格下方粘贴序号;第三，复制工资表第一行字段名称，填充粘贴的连续序号左侧的空白区域;第四，对辅助列从小到大排列;最后，删除辅助列，每个人的工资条就都制作完啦。

　　四、单元格拆分与合并

　　工 作表因为使用了合并单元格，无法完成排序操作。需要标识出合并单元格部分，重新进行编辑。按Ctrl+F，在“查找和替换”对话框中，点击“格式”下拉选 项，选择“格式……”;“查找格式”中点击切换到“对齐”，勾选“合并单元格”并确定。完成查找设置后，点击“查找全部”，就能找到全部合并单元格，选中 全部合并单元格可以进一步用颜色标记出来，或进一步取消合并单元格。

　　五、快速移动或复制数据

　　单 击需移动的目标列、甚至区域范围，按住Shift键不放，拖动鼠标到需放置的位置，放开鼠标就完成移动了。要是想在移动的同时复制目标区域，按住Ctrl 键不放，拖动光标将内容复制到指定位置，放开鼠标就在完成移动的同时复制了。

　　六、使用自定义格式快速录入数据

　　通 过自定义格式设置，可定义数值1=“合格”、0=“不合格”，具体设置为：选中需设置的区域，按下Ctrl+1调出“设置单元格格式”对话框，选择自定 义，并将类型定义为：[=1]"合格";[=0]"不合格"，为了明显区分出来可以添加颜色标识：[蓝色][=1]"合格";[红色][=0]"不合 格"。

　　七、显示货币符号、金额单位一目了然

　　整天被财务报表货币单位折腾的快看过来。

　　在 一些财务报表中，会要求在金额数据前添加货币符号。在“开始——会计数字格式”可以对选中范围的数字进行统一货币单位的设置，设置货币单位的区域仍为数 字，不会影响数值计算。对于单个单元格，可以按Alt+数字小键盘数字，快速输入常用货币单位，比如Alt+165输入(￥)、Alt+36输入($)。

　　八、选择性粘贴

　　选择性粘贴——跳过空单元，需用最新的数据更新原考核分，由于有部分人没有参加，没参加的仍按原考核分。如果直接复制粘贴会覆盖原内容，使用“选择性粘贴——跳过空单元”可以快速解决这个问题;

　　选择性粘贴——值，只粘贴数据，不带数字格式(例如小数点位数、百分号等)、边框、字体颜色、填充色、备注等内容;

　　选择性粘贴——值和数字格式，粘贴数值和数字格式，保留小数点位数、百分号等，忽略边框、字体、填充色、备注等内容;

　　选择性粘贴——值和源格式，完整粘贴复制内容的数值及单元格设置、备注等内容;

　　选择性粘贴，还不止能完成这些，还可以粘贴时转置数列、粘贴批注、粘贴为图片、直接对复制的数字粘贴到目标区域进行四则运算。

　　九、系统导出数据无法求和

　　原 来，这是由于系统有时候存储数据实际用文本类型存储，或者数据包含有不可见字符(如空格、空字符、TAB字符)，在导出时实际得到的为文本。通常，如果数 据左上角有绿色三角形标记的，可以选中有标记的数据区域，在“感叹号”提示下拉框选择“转换成数字”，即可将文本装换为数字;如果数据左上角没有绿色标 记，数据中包含了其他不可见的字符，可以选中该列数据，使用“数据——分列”，根据向导将字符与数字分开，完成操作后即可完成数据汇总。

　　十、查找与替换数据

　　工 作表中的数据量一多，要想用肉眼在几千、几万的数据里找到、更改单个数据，显然十分的低效，而使用“查找替换”功能，简直秒秒钟的事。按下Ctrl+F快 捷键，调出”查找/替换“对话框，输入要查找的内容，点击”查找全部或查找下一个“，查找目标数据;如果是要找到错误的.数据，可以切换到”替换“，或快捷 键Ctrl+H，填写“查找的内容”，替换为XX数据。

　　十一、快速替换不同数据

　　需 要将各科不及格的说明内容统一替换成“未通过”，有耐心的小伙伴说数据量不多一个个改，可是工作表中有大几百行的数据呢，这要改到啥动时候?善于发现规律 的小伙伴说，分几次替换很快就能完成了;工作最高(tou)效(lan)的小伙伴看了下，只见他手起手落，选中需查找的数据范围区域，按下F5键，在”定 位条件“对话框中，选择定位条件为”列内容差异单元格“，单击确定，这时候需替换的单元格内容都神奇的完成了选择，在编辑栏中输入替换内容”未通过“，按 下Ctrl+Enter，所有需替换的内容瞬间完成替换了。

　　十二、替换工作表中的星号

　　工作表中乘法字符“×”需要切换输入键盘才能完成输入，经常为了输入省事用“*”替代“×”。为了便于打印后阅读，需将“*”替换成“×”。

　　选 中列数据，按Ctrl+H调出替换对话框。查找内容输入“*”，替换为输入“×”，结果把单元格所有的内容都替换成“×”了，而我们要的结果显然只是替换 “*”字符。由于“*”作为通配符，表示的是任意字符，加上“~”才可以表示去掉通配符本身只查找“*”字符。首先撤销操作，在查找内容“*”前面加上 “~”，即查找内容为“~*”，替换成内容不变，再次替换，这时候得到就是我们想要的正确结果了。

　　十三、按指定格式替换

　　首 先，按下Ctrl+F/H进入查找替换功能，进入“选项”可查看到查找替换的更多功能。其次,从“查找内容”后的“格式”下拉选项选择“从单元格选择格 式”，这时候光标变成“吸管”可以复制选取的单元格格式，选则需查找的单元格格式;从“替换为”后的“格式”下拉选项选择"格式“，可以设置单元格数字格 式、边框、字体及颜色、填充色等，完成设置后，点击”全部替换/替换“即完成了单元格格式的替换;最后，为了让下次继续使用查找替换功能时，不受已设置的 格式的影响，需清除已经设置的查找内容格式。

　　十四、批量替换不连续单元格数值

　　Ctrl+F 调出查找对话框，查找内容输入“*”，点击“查找全部”，在查找到的全部数值中，点击数值进行排序，得到从小到大排序的数值序列，按下Shift辅助选取 小于60的第一个数字和最后一个数字，完成所有小于60数字的选取。关闭查找替换对话框，可以看到所有小于60的数字处于同时选中的状态，这时候只需在编 辑栏输入替换的数字60，按下Ctrl+Enter就能批量完成更改替换了。

;

Python处理大数据的技巧, 2022-06-21

参考技术A (2022.06.21 Tues)
收集整理了Python处理大量数据的方法，基于Pandas，Numpy等数据处理工具。

用df的 info 方法并指定 memory_usage='deep' 参数，或使用df的 memory_usage 方法，并指定 deep=True 参数。

在读取数据文件的方法中加入 nrows 参数选择前n行数据读取。

也可以跳过m行之后，读取从m行开始的n行

当然也可以在 skiprows 选项中指定范围，保留headers，即保留列名

可以指定 skiprows 中需要忽略的行，用list或array导入即可。下面是随机

如果在这个指令中忽略 nrows=10 指令，则读取跳过100行之后的所有数据。

预先指定读入的列，缩小加载范围

不同的数据类型占用了不同大小的空间，对于尚未读取的数据，可以提前指定类型( dtype )；对于已经读入的数据，通过 astype 方法修改成占空间更小的数据类型。

在读入数据之前，通过字典指定每列对应的数据类型，读入之后按照此类型显示数据。

通过改变数据类型减少空间的案例。修改DataFrame d 中的一列 Sctcd ，注意到该列的数据都是1、2、0，而保存类型是object，果断改成 uint8 ，通过 df.info(memory_usage='deep') 方法对比内存的使用情况。仅仅修改了一个列的类型，数据大小减小3MB。

一个特殊而高效的案例是当某一列的值只有有限个，不管是int还是string格式，且该列unque值远小于列的长度，可以将该列转变为 category 类，将节省大量空间。这么做当然也有代价，比如转换成 category 类的数据将无法做max/min等运算，由数字转换成的 category 也不能进行数值运算。这种转换对内存的节省效果显著，下面是对比。 dcol 只有两列， Stkcd 和 Stknme ，查看unique的个数与总长度，显示unique远小于总长度，分别转换为 category 类型，内存节省超过90%！

通过Pandas的 read_csv 方法中的 chunksize 选项指定读取的块大小，并迭代地对读取的块做运算。

1 https冒号//www点dataquest点io/blog/pandas-big-data/
2 CSDN - python 处理大量数据_如何用python处理大量数据
2 How to Work with BIG Datasets on 16G RAM (+Dask), on kaggle