如何使用Excel进行数据分析实战

骑猪看日落 2023-01-07 01:22 230阅读 0赞

**一、问题描述**

**数据**：

一份餐食数据

**主要问题描述**：

1、全国点评数最高的饭店是哪家？

2、 哪个城市的饭店人均口味最好？

3、 哪个类型的餐饮评价最好？

4、类型为川菜的店里，有多少个带‘辣’字，有多少个带‘麻’字？

5、口味、环境、服务，三个评价都在8.0以上的饭店有几家？它们在哪个城市的占比最多?

6、上海地区中，各个类型饭店服务前五名？

7、没有评价的饭店有几家？

8、将人均价格划分为0~50，50~100，100~150，150~200，200+这几个档次，各个城市分别有几家？其中占比又是多少？

9、将点评、人均、口味、环境、服务这几个指标加工出一个综合评价系数，并且计算哪十家店是最好的

10、对日本料理，做一次描述性分析

**二、分析过程**

**数据原始状况**：

![format_png][]

进行分析之前，先将原始数据复制一份，新建一个sheet。

**1、全国点评数最高的饭店是哪家？**

方法1：将点评列按降序排列，即可得到最大点评数店铺。（三宝粥铺(南京东路店)分店）

方法2：采用函数形式，使用组合函数

【=INDEX(C:D,MATCH(MAX(D:D),D:D,0),1)】返回结果，其中MATCH(MAX(D:D),D:D,0)返回最大点评数对应的行数，INDEX()返回指定区域行列交叉单元格的值。

**2、哪个城市的饭店人均口味最好？**

直接采用数据透视表，列出平均口味值，对其进行降序排列。（不直接对透视表进行操作，ctrl+a全选表格，复制一份透视表）（ctrl+shift+↓全选带数据表格列）

**3、哪个类型的餐饮评价最好？**

依然是采用数据透视表就能完成

**4、类型为川菜的店里，有多少个带‘辣’字，有多少个带‘麻’字？**

分别利用FIND()函数查找出店名带“辣”、“麻”的字段位置，再利用筛选功能，筛选出类型为川菜，最后统计FIND()函数列字段大于0的单元格数量。

![format_png 1][]

**5、口味、环境、服务，三个评价都在8.0以上的饭店有几家？它们在哪个城市的占比最多?**

利用筛选功能即可完成对评分的筛选；然后对城市进行复制粘贴，利用透视表完成占比计算。

**6、上海地区中，各个类型饭店服务前五名？**

a.先将地区为上海的筛选出来，单独复制粘贴为一张表；

b.对服务评分进行降序排列，再对类型进行降序排列，得到了按类型分类、评分降序的表；

c.利用【IF(B3=B2,I2+1,1)】函数，对各个店铺进行排名，最后就行筛选前5名，此方法缺陷则是对同评分不能很好的区分。

![format_png 2][]

**7、没有评价的饭店有几家？**

利用筛选功能即可。

**8、将人均价格划分为0~50，50~100，100~150，150~200，200+这几个档次，各个城市分别有几家？其中占比又是多少？**

a.将所有人均/50得出的值单独成列，列名Level

b.将Level列用INT()函数【此函数表示向下取整，例：1.9函数结果为1】向下取整

c.利用筛选、替换将所有大于4的值替换为4

d.利用透视表将城市、Level进行透视，算出数量以及占比

![format_png 3][]

![format_png 4][]

**9、将点评、人均、口味、环境、服务这几个指标加工出一个综合评价系数，并且计算哪十家店是最好的**

a.首先进行脏数据处理，将空白值、异常值筛选掉；

b.由题意，人均为降权，点评、口味、环境、服务为正比;

c.将口味、环境、服务求平均数，可适当进行加权处理；

d.由于点评、人均数值较大，对其进行LOG() 函数处理，底数根据情况选择；算出综合评价指数

e.对各个综合数利用【（int - MIN）/(MAX - MIN)】进行收敛。

![format_png 5][]

f.将收敛后的列复制粘贴为数值，最后对表进行排序。（注：新增列与原表列不能有空白列，否则不能进行排序）

**10、对日本料理，做一次描述性分析**

1.筛选出日本料理，将表复制粘贴到新表；

2.利用数据分析功能进行系统性的描述分析。

- END -
    本文为转载分享&推荐阅读，若侵权请联系后台删除
    -----------------
    长按识别下方二维码，并关注公众号
    
    1.回复“PY”领取1GB Python数据分析资料
    
    2.回复“BG”领取3GB 名企数据分析报告

[format_png]: /images/20221119/884fb644997f4d349231c3ca148cc192.png
[format_png 1]: /images/20221119/08e7dbecdbe44249a3bb2a3bd05bdd20.png
[format_png 2]: /images/20221119/da8fe80c58c0490c8f62be24d87113dc.png
[format_png 3]: /images/20221119/4065d56f13c64668ba50708aa7970196.png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY2JWaWFrRWVWNXFFMGpvQVEyRTk2aWFodWNYSmxyajlDZ2szNXFiNmVyRng0UWZiT29PM0VlbjE0WkY1dklMM0RYTmd5a1pFeTZFZTN6S0lPRmp0V3dody82NDA?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY2JWaWFrRWVWNXFFMGpvQVEyRTk2aWFodWNYSmxyajlDZ0ZpYXppYlo4NTBkUUNEZ2FGbWVHSWZUN2liNUdLYkhYOHl6NlMyRGVpY2p1cnpnMlRjUEl1blRDTmcvNjQw?x-oss-process=image/format,png