做过数据分析的程序员都知道：Excel、Tableau等这些亲民工具都是数据分析的得力助手。
但用Excel做分析，繁琐的每一步都是来自鼠标点击，中间如果一步有误，很多步骤都需要重新调整，浪费大量时间。
这不，前天临近下班时间，老板突然Q我：算一下近一年销售额总额TOP5的品牌以及对应的销售额。
接收完文档我傻眼了，公司旗下有20个品牌，这些品牌涉及到128个类目，业务部门总共发来了128张表，每一份表格对应着一个细分行业的数据，像什么各类户外服装、垂钓装备、救生装备应有尽有。
每张表，以月的维度记录着每个品牌的日期、访客、客单、转化、所属类目（细分行业）等数据：
习惯性的打开Excel，我开始盘算：最终需求是要筛选出近一年销售额总和排名前5的品牌，这一摊子数据，对单独的一张表进行分类汇总，能够得到该细分行业各品牌的销售额，想要得到所有行业的销售额总和，得分类汇总128次，最后对128次结果再次合并。
“这个任务看上去很艰巨，不过，考验的主要是体力。”
我一眼就“看穿”了事情的本质，右手食指在鼠标上飞速跳动，以90秒一张表格的速度疯狂推进。按照这个速度，不考虑疲劳值对速度的拖累，大概3.2个小时就能够完成任务。
然而，刚开始还没3分钟，老板找到我：刚交你的任务暂时不用做了，新来的已经得出结论了，看着还挺专业。
多年来的职业敏感性驱使我立马跟新同事聊了一下，“刚刚那些表分分钟就搞定了，很简单！”他演示给我看，“我就使用了几行Python代码......”
首先，导入模块，打开单个表格：
接着，汇总不同品牌在这个细分行业下的销售额，没有销售额的字段，可以通过访客数转化率客单价三者的乘积来计算：
按品牌来汇总销售额，得到近一年各品牌销售额合计：
对于单独行业的销售额，应该加一个区分的标签以防覆盖，而打开时候的文件名，具有天然的区分和防覆盖优势，但要注意去掉文件的后缀。
OK，单个表格处理完成，我们把这一系列操作推而广之即可。用os.listdir方法来遍历文件名，批量循环访问并处理文件，同时引入time计时，打算看一看，面对128张表，Python完成这些操作到底能够比手动快多少：
WOC，整个过程一气呵成，不到3秒，平均一张表格0.02秒！真香！
为了确保数据正常，来预览一下：
这一串看起来很奇怪的销售额，是pandas自作主张把实际销售额变成了科学记数法形式来展示，要还原数值，需要更改一下原始的设置：
我本以为学会Excel走遍天下，没想到Python效率这么高！
文源网络，仅供学习之用，侵删。
在学习Python的道路上肯定会遇见困难，别慌，我这里有一套学习资料，包含40+本电子书，800+个教学视频，涉及Python基础、爬虫、框架、数据分析、机器学习等，不怕你学不会！ https://shimo.im/docs/JWCghr8prjCVCxxK/ 《Python学习资料》
关注公众号【Python圈子】，优质文章每日送达。
来源：oschina
链接：https://my.oschina.net/u/4477231/blog/4279310