更新完Pandas基礎教程，后臺有不少旁友留言，想要了解怎么用Python提升處理數據的效率，或者說怎么用Python自動處理多張Excel表格，于是乎便有了本文。這篇文章算是Python數據分析實戰的第二個獨立案例。
注:案例128張完整源數據和代碼，公眾號后臺回復“表格處理”即可獲取。
案例背景
在另一個平行世界，有一家專注于戶外運動的巨頭公司。既然是巨頭，為了更加親切，我們就叫他大頭吧。大頭的旗下有 20個品牌，這些品牌涉及到 128個類目（細分行業），涉及范圍之廣令人咋舌，可謂遍地開花。
平行世界的小Z就是這家巨無霸的數據分析師，今天剛來公司就接到了一個需求——下班前務必篩選出 近一年銷售額總額TOP5的品牌以及對應的銷售額。
近一年？TOP5？
WOC，這么簡單的需求也算需求？直接排個序不就好了。
還一天時間，不急不急，先來一杯咖啡，再看看新聞。
一眨眼的功夫，時間來到了17:30，小Z覺得今天的需求可以開動了，做完之后還能簡單分析一下，應該能趕在18:00整點下班。
當他打開同事共享給他的表格文件，他才體會到，絕望，原來這么遠，又這么近。
業務部門的同事總共發來了128張表，每一份表格對應著一個細分行業的數據，像什么各類戶外服裝、垂釣裝備、救生裝備應有盡有。
每張表，以月的維度（2018年9月-2019年8月，近一年）記錄著每個品牌的日期、訪客、客單、轉化、所屬類目（細分行業）等數據：
注：不要問為啥表格數據存儲這么奇葩，因為在平行世界，就是要任性，畢竟復雜的表格才能體現出Python的高效
小Z開始盤算，最終需求是要篩選出近一年銷售額總和排名前5的品牌，這一攤子數據，對單獨的一張表進行分類匯總，能夠得到該細分行業各品牌的銷售額，想要得到所有行業的銷售額總和，得分類匯總128次，最后對128次結果再次合并。
“這個任務看上去很艱巨，不過，考驗的主要是體力。”小Z一眼就“看穿”了事情的本質。同時腦海中蹦出了“紅軍不怕遠征難”幾個紅彤彤的大字。接著，他帶上耳機，打開了唐朝樂隊的“國際歌”，在雙重buff的加持下，開始了表格的遠征。
果然是個處理數據的好手，小Z右手食指在鼠標上飛速跳動，以90秒一張表格的速度瘋狂推進。按照這個速度，不考慮疲勞值對速度的拖累，大概3.2個小時就能夠完成任務。
國際歌循環到第10遍，小Z有些氣餒，第20遍，開始感到絕望。
就在行將放棄之際，他想起了Python的潘大師（Pandas），雖然最近剛學還不是很熟練，但事到臨頭，黑暗中的一縷微光，那就是唯一的希望，小Z決定用Pandas來嘗試解決問題。
他明白， 用Python解決批量問題的核心，在于梳理并解決單個問題，然后批量循環。
單個表格處理
首先，導入模塊，打開單個表格：
接著，是要匯總不同品牌在這個細分行業下的銷售額，我們要匯總的是各品牌近一年（2018年9月-2019年8月）的銷售額，先看看日期是否正確：
正要匯總銷售額，小Z發現沒有銷售額的字段，但銷售額是可以通過訪客數*轉化率*客單價三者的乘積來計算的：
按品牌來匯總銷售額，得到近一年各品牌銷售額合計：
這里有個細節，最終小Z要匯總的是所有細分行業的銷售額，對于單獨行業的銷售額，應該加一個區分的標簽以防覆蓋，而打開時候的文件名，具有天然的區分和防覆蓋優勢，但要注意去掉文件的后綴。
OK，單個表格處理完成，我們把這一系列操作推而廣之即可。
批量循環執行
小Z用os.listdir方法來遍歷文件名，批量循環訪問并處理文件，同時引入time計時，打算看一看，面對128張表，Python完成這些操作到底能夠比手動快多少：
WOC,整個過程一氣呵成，不到3秒，平均一張表格0.02秒！真香！
為了確保數據正常，來預覽一下：
這一串看起來很奇怪的銷售額，是pandas自作主張把實際銷售額變成了科學記數法形式來展示，要還原數值，需要更改一下原始的設置：
OK，無論是習慣還是法理，都得到了我們希望的結果——近一年銷售TOP5品牌及其對應的銷售額。從數據結果來看，大頭公司下的20個品牌全面開花，以品牌5為先鋒，一年銷售高達12.26億，排名最后的品牌體量也達到了9.79億元，平均單品牌銷售10.85億元。
總結
本文以一個簡單又復雜的場景切入，簡單是需求本身非常簡單，而復雜則是基礎數據涉及到的表格多而雜。代碼和邏輯本身淺顯易懂，主要為了拋出一塊磚，敲開批量處理表格的思維藩籬，以引出同志們實踐中，在合適場景下用Python來化繁為簡的玉。案例中表格共128張，大家可以自己嘗試和探索更有趣的分析。
--------------------------
數據分析的專業度怎么體現？我們需要在【業務邏輯+分析理論+分析工具】三方面努力，尤其重要的是業務邏輯，這是你的受眾最看重的！
我目前主要工作就是幫企業做數據咨詢項目，數據分析培訓，也會出品自己的一些通用類產品，有分析模板，有線上課程《數說》，以幫助大家提升數據分析能力，提升營運管理效率。
