这是小编学习数据分析过程中，利用Excel对数据进行清洗，分析，可视化的一次练习。
数据分析师，有一项必不可少的技能要求就是会 Excel 做数据清洗、建模和分析，现在就用 Excel 来实战分析数据分析师的招聘需求如何。用到的是 Windows版 Excel 2016。
原始的数据如下
第一步，明确分析问题
要分析数据分析师岗位的招聘需求可以从2个维度来思考这个问题
1. 城市需求分布如何
2. 薪资分布如何
第二步，数据清洗
数据清洗是数据分析非常重要的一环，做好数据清洗的目的：是保证数据的准确度，才能让我们进行数据分析的下一步骤，数据清洗的步骤是数据分析中最花费最花费时间的步骤，但是必不可少，数据清洗除了利用Excel进行，也可以利用Python进行。两者最大的差异便是效率与自动程度，本文采用Excel进行数据分析。
1. 理解数据，选择重点分析对象
得到原始数据后，第一步是要理解每一列的数据表示含义，即每一个字段的含义，因为在不同的业务模式中，字段的含义也不尽相同，我们需要先理解好数据含义
第二步：需要我们选择出重点的分析对象，将无关紧要或者意义重复的列进行隐藏（最好是隐藏，不要删除数据，这是为了保留数据的完整性）。
2. 删除重复值、处理缺失值
本数据中发现一个 “职位ID” 对应一个职位，所以只要去看 “职位ID“列 里面的 “职位ID” 有没有重复值，有的话就把重复值删除。
具体操作如下：
选择：数据 > 删除重复项 > 选择列，出现以下图示：
Ps：选择的时候，可以勾选数据是否包含标题来帮助自己选择数据
点击确认后，会自动删除有重复值的那一整行，如下图：
重复值删除后，若此列的值共有 A 个，其他分析列的值小于 A 个，就需要将有缺失值的列补全。比如此表发现 “城市” 列有缺失，选中 “城市” 列，使用定位功能，定位 “空值”，就可以将缺失值的单元格找出来，定位功能的快捷键是 Control + G，选择定位条件
找出空值的单元格后，如果需要输入在所有空格中的内容一致，则在第一个空格中输入内容后按住 Control + Enter 就可以自动将所有空值单元格补全，如果需要输入在空格的内容不一致，则可以使用筛选功能筛选出空格，再进行填充。
处理缺失值有四种办法：
· 通过人工手动补全
· 删除缺失数据
· 用平均值代替缺失值
· 用统计模型计算出的值代替缺失值
3. 数据一致化处理
一致化是什么意思？就是把所有的数据处理成容易使用公式或者数据透视表的形式。
举例1，在 “公司所属” 列中，大部分公司从属一个行业，小部分公司从属两个行业，此时就需要将这两个行业分隔开来。此时需要用到的功能是 “分列”，一般需要将需要分列的列粘贴到最后一列，这样分割出来的列有足够的空间，不会遮挡原本单元格内容，操作如下图：
先选中你要分分列的那一行：
选择：数据 > 分列 > 分隔符号 > 填写分隔符号：
注：如果原单元格内容是 “A,B”，用分隔符 “,” 分列后成 A、B 两列；如果原单元格内容是 “A,B,C”，用分隔符 “,” 分列后成 A、B、C 三列。
举例2，我们需要分析薪水的水平如何，但是 “薪水”列中，薪水是使用一个区间表示的，这时需要把最低薪水和最高薪水分隔开来，才能更好的直接使用图表查看薪水情况，这里需要用到函数 Find 和 Left/Mid/Right 和 Len。
Find 函数，用于查找一个字符串在另一个字符串中出现的位置，公式为：
Find("需要查找的字符串”，单元格）
Left/Mid/Right 函数，用于截取字符串内容，分别表示从左中右截取，公式为：
Left(字符串所在单元格，从左开始到##位置进行截取)
Right(字符串所在单元格，从右开始在##位置进行截取)
Mid(字符串所在单元格，开始位置，截取长度)
Len 函数，用于计算文本串的字符个数，公式为：
Len(文本串)
所以如下图所示，最低薪水和最高薪水计算公式为：
公式完后，用筛选功能检查数据是否全部都截取正常，发现 “最低薪水”列 有不能显示的值，如下图：
此时需要找出问题在哪，既然公式是正确的，那去查看原本的字符串是否有问题，发现这些不能显示的值对应的 “薪水”列中都是大写的 “K”，而前面用到的公式中都用的小写的 “k”，此时使用替换功能将 K 替换为 k 即可。或者是修改公式中的小k为K，保持保证公式与数据统一就OK了。
在最高薪水列，也有不能显示的值
此时可看到，因为没有最高薪水所以显示不出来，处理办法可用最高薪水=最低薪水，来弥补这些缺失值。
计算完成后，将最低薪水和最高薪水复制，选择性粘贴“值”到另两行之后可以计算平均值，并降序排列。（注意粘贴完后需要将数值的 “文本”格式改成 “数字”格式）
按照以上步骤，分析好的数据如下
4. 异常值处理
“职位名称”列 中有非常多的职位名称，但我们需要分析的是数据分析类岗位，所以需要选择出与数据分析类岗位匹配的 “职位名称”。此时需要用到数据透视表功能。
插入数据透视表后，如下图所示处理，
接着将 “职位名称” 按计数项降序排列，如下图
挑选计数最多的职位名称里面的关键词，可看出为“数据分析”，“分析师”，“数据运营”为三个关键词，于是回到原表，在 “职位名称” 后插入新列，选择出 ”职位名称” 里包含这些关键词的职位，此时需要用到 Find 和 Count 和 If 函数。
Count 函数，用于返回某一区域中数值的个数，公式为：
Count(区域)
If 函数，用于验证一个条件是真是假，公式为：
If(条件判断,结果为真显示值,结果为假显示值)
if与count经常嵌套，表示查找某单元格是否包含某字符串，此案例的公式如下图：
筛选 “是” 的所有数据，复制到新表中，作为已经清洗好的数据备用。
第三步，构建模型
数据清洗完成后，需要做的是构建模型。数据分析一定是有目的的，所以在最开始就提出的分析目标非常有助于建模。利用数透功能可得以下数据透视表：
第四步，数据可视化
根据上一步操作得出的数据透视表，作出以下可视化图表：
