快捷導(dǎo)航

Python批量清洗Excel數(shù)據(jù)的操作指南(去重+補(bǔ)缺失值+可視化)

更新時間：2025年12月12日 09:29:15 作者：杜斯{Data}

日常辦公或入門數(shù)據(jù)分析時,常遇到Excel數(shù)據(jù)雜亂（重復(fù)值、缺失值、格式混亂）,手動處理耗時；本文用Python批量搞定清洗+可視化,10行代碼解決重復(fù)工作,0基礎(chǔ)也能會,需要的朋友可以參考下

一、需求背景

日常辦公/入門數(shù)據(jù)分析時，常遇到Excel數(shù)據(jù)雜亂（重復(fù)值、缺失值、格式混亂），手動處理耗時；本文用Python批量搞定清洗+可視化，10行代碼解決重復(fù)工作，0基礎(chǔ)也能會。

二、數(shù)據(jù)準(zhǔn)備

公開Excel數(shù)據(jù)集（含姓名、年齡、銷售額、地區(qū)，帶重復(fù)值/缺失值），文末附下載鏈接，或直接用自己的Excel文件替換路徑即可。

三、核心步驟（代碼+詳細(xì)注釋）

步驟1：安裝庫+導(dǎo)入工具

!pip install pandas matplotlib openpyxl -q

# 導(dǎo)入庫
import pandas as pd
import matplotlib.pyplot as plt
???????plt.rcParams['font.sans-serif'] = ['SimHei']

步驟2：讀取Excel數(shù)據(jù)

# 讀取Excel文件（替換為你的文件路徑，Colab直接上傳后用文件名）

df = pd.read_excel('sales_data.xlsx', engine='openpyxl')

# 查看數(shù)據(jù)前5行+基本信息（快速了解數(shù)據(jù)結(jié)構(gòu)）

print("數(shù)據(jù)預(yù)覽：")

print(df.head())

print("\n數(shù)據(jù)基本信息：")

print(df.info()) # 查看字段、數(shù)據(jù)類型、缺失值數(shù)量

步驟3：批量數(shù)據(jù)清洗（核心）

# 1. 刪除重復(fù)行（按所有字段去重）

df = df.drop_duplicates()

# 2. 處理缺失值（年齡/銷售額用平均值填充，地區(qū)用“未知”填充）

df['年齡'] = df['年齡'].fillna(df['年齡'].mean().round(0)) # 年齡取整

df['銷售額'] = df['銷售額'].fillna(df['銷售額'].mean())

df['地區(qū)'] = df['地區(qū)'].fillna('未知')

# 3. 格式統(tǒng)一（年齡轉(zhuǎn)為整數(shù)，銷售額保留2位小數(shù)）

df['年齡'] = df['年齡'].astype(int)

df['銷售額'] = df['銷售額'].round(2)

# 清洗后數(shù)據(jù)預(yù)覽

print("\n清洗后數(shù)據(jù)：")

print(df.head()）

步驟4：簡單可視化

4.1 各地區(qū)銷售額分布（柱狀圖）

region_sales = df.groupby('地區(qū)')['銷售額'].sum()

plt.figure(figsize=(10,4))

region_sales.plot(kind='bar', color='#66b3ff')

plt.title('各地區(qū)銷售額分布')

plt.xlabel('地區(qū)')

plt.ylabel('總銷售額（元）')

plt.xticks(rotation=45)

plt.grid(axis='y', alpha=0.3)

plt.show()

4.2 年齡與銷售額關(guān)系（散點(diǎn)圖）

plt.figure(figsize=(8,4))

plt.scatter(df['年齡'], df['銷售額'], color='#ff6666', alpha=0.6)

plt.title('年齡與銷售額關(guān)系')

plt.xlabel('年齡')

plt.ylabel('銷售額（元）')

plt.grid(alpha=0.3)

plt.show()

四、完整可復(fù)制代碼

# 安裝依賴（首次運(yùn)行）

!pip install pandas matplotlib openpyxl -q

# 導(dǎo)入庫

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

# 1. 讀取Excel數(shù)據(jù)

df = pd.read_excel('sales_data.xlsx', engine='openpyxl')

print("原始數(shù)據(jù)預(yù)覽：")

print(df.head())

# 2. 數(shù)據(jù)清洗

df = df.drop_duplicates() # 去重

df['年齡'] = df['年齡'].fillna(df['年齡'].mean().round(0)).astype(int) # 補(bǔ)缺失值+轉(zhuǎn)整數(shù)

df['銷售額'] = df['銷售額'].fillna(df['銷售額'].mean()).round(2) # 補(bǔ)缺失值+保留2位小數(shù)

df['地區(qū)'] = df['地區(qū)'].fillna('未知') # 補(bǔ)缺失地區(qū)

print("\n清洗后數(shù)據(jù)：")

print(df.head())

# 3. 可視化1：各地區(qū)銷售額

region_sales = df.groupby('地區(qū)')['銷售額'].sum()

plt.figure(figsize=(10,4))

region_sales.plot(kind='bar', color='#66b3ff')

plt.title('各地區(qū)銷售額分布')

plt.xlabel('地區(qū)')

plt.ylabel('總銷售額（元）')

plt.xticks(rotation=45)

plt.grid(axis='y', alpha=0.3)

plt.show()

# 4. 可視化2：年齡與銷售額關(guān)系

plt.figure(figsize=(8,4))

plt.scatter(df['年齡'], df['銷售額'], color='#ff6666', alpha=0.6)

plt.title('年齡與銷售額關(guān)系')

plt.xlabel('年齡')

plt.ylabel('銷售額（元）')

plt.grid(alpha=0.3)

plt.show()

# 5. 保存清洗后的數(shù)據(jù)到新Excel（可選）

df.to_excel('cleaned_sales_data.xlsx', index=False, engine='openpyxl')

print("\n清洗后的數(shù)據(jù)已保存為 cleaned_sales_data.xlsx")

你平時用Excel處理數(shù)據(jù)時，最頭疼“重復(fù)值”“缺失值”還是“格式轉(zhuǎn)換”？評論區(qū)說你的痛點(diǎn)，我給你針對性的簡化代碼！

以上就是Python批量清洗Excel數(shù)據(jù)的操作指南(去重+補(bǔ)缺失值+可視化)的詳細(xì)內(nèi)容，更多關(guān)于Python批量清洗Excel數(shù)據(jù)的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: