对于数据分析师而言，数据处理的重要性不言而喻。小易今天为大家重点讲解下如何用Excel做数据处理。
数据清洗数据加工
导入数据是数据处理的先行军，而Excel中支持导入的数据类型可以分为三类：
文本类数据网站类数据数据库类数据
大家简单浏览一下，小易在这里就不详细介绍啦，本次的重点是数据处理~
数据处理
重复值缺失值错误值
合并提取拆分转换
01
数据清洗
处理重复值
1函数法
COUNTIF(range,criteria)range：计数范围；criteria：计数条件，可以指定为数字、文本或表达式。每个订单编号总共出现的次数当前单元格对应的订单编号是第几次出现
3第三次
重复值的具体情况
通过函数法完成对重复值的计数之后，接下来就要进行删除步骤了。
（1）排序删除
升序排序
（2）筛选删除
筛选取消显示数值为1
数字筛选大于1不等于1
大于不等于输入相应的数值
2高级筛选法
选择不重复的记录
点击确定之后显示的就是不带重复值的数据。
操作简便
3条件格式法
突出显示单元格规则重复值
此处还可以选择重复值被标记的颜色。
没有那么便捷只能标记出重复的数据
4数据工具法
数据工具删除重复项
取消全选
操作简单
处理缺失值
定位条件查找替换
1定位条件
CTRL+G查找和选择定位条件
空值
Express AirCTRL+Enter
2查找替换
CTRL+H查找和选择替换
查找的内容替换的内容
小易在这里再补充几点通常用于处理缺失值的思路：
用样本统计量的值替换缺失值，比如样本均值；
用统计模型计算出来的值替换缺失值。比如回归模型、判别模型等；
删除包含缺失值的数据记录；
保留包含缺失值的数据记录，分析时按需排除
以上就是关于Excel数据分析中处理缺失值的内容啦~接下来介绍常用的处理错误值的方法。
处理错误值
#DIV/0!#REF!#VALUE!#NULL!#NAME?#####NUM!#N/A
错误类型1#DIV/0!
数据相除运算除数出现了0除数不能为0
公式-错误检查修改除数内容
错误类型2#REF!
引用某一单元格引用的区域被删除
移动或删除单元格导致了无效的单元格引用
错误类型3#VALUE!
不同数据类型的值进行计算
检查公式中计算区域的值是否为相同类型
错误类型4#NULL!
公式中使用了不正确的区域运算符
重新检查公式以及公式引用的区间
错误类型5#NAME?
公式中的名称拼写错误公式的语法使用错误公式引用了未定义的名称
重新检查错误值单元格中的公式拼写
错误类型6####
列不够宽
调整列宽
错误类型7#NUM!
公式中包含无效数值
将数据进行拆分或重新整理计算
错误类型8#N/A
公式找不到要求查找的内容
不存在公式中的F7-“小组5”的内容重新检查查找范围查找内容是否有误
处理错误值的补充：
IFERROR(value, value_if_error)value：检查是否存在错误的参数；value_if_error：公式计算结果为错误时要返回的值。
以上就是处理错误值的内容啦~接下来小易带大家进入数据加工的板块。
02
数据加工
数据合并数据拆分数据转换
数据合并
字段合并字段匹配
1字段合并
CONCAT(text1,[text2],……)&text1（所需的）：要连接的文本项。字符串或字符串数组，如单元格区域。text2（可选）：要连接的其他文本项。文本项最多可以有253个文本参数，每个文本参数可以是一个字符串或字符串数组，如单元格区域。&：适用于需要拼接的字段较少的情况。
2字段匹配
VLOOKUP(lookup_value,table_array,col_index_num,[range_lookup])
表格1
订单号运送日期
上述两个方法都是用于数据合并的，接下来介绍数据拆分的方法。
数据拆分
字段分列
1菜单法
数据-数据工具-分列
确认分隔符号/
选择拆分的数据对应的格式
案例中由于被拆分的数据相邻的列已有内容，所以最后呈现的是将C列和D列数据替换后的效果。
2函数法
LEFT(text,[num_chars])；RIGHT(text,[num_chars])text（必需）：包含要提取的字符的文本字符串；num_chars（可选）：指定要由LEFT/RIGHT提取的字符数量。
以上是数据拆分的内容，接下来轮到数据转换啦~
数据转换
行列转换数据类型转换
1行列转换
粘贴选项-转置
2数据类型转换
文本转数值数值转文本数值日期转日期VALUE(text)text：用引号括起来的文本或包含要转换文本的单元格的引用。TEXT(value, format_text)value：要转换为文本的数值；format_text：一个文本字符串，定义要应用于所提供值的格式。
下图示例中，我们还可以用VALUE()函数将H列的文本数据转换为数字。
以上就是本次分享的全部内容~
这些内容仅仅是数据分析知识的冰山一角，想要更深入的学习数据分析相关技巧，可以关注戎易大数据~我们接下来还会继续分享更多和数据分析相关的内容。