前言

Python 很強大，有些複雜的Excel操作，python只要一兩個語句就可以了。
但Python使用門檻高，要安裝軟體以及各種模組庫。很多時候我們只想輕量級的使用python功能，有什麼簡單的辦法呢？
Smartbi智分析提供web python功能，無需安裝任何軟體就能在瀏覽器內執行python指令碼；還提供Excel外掛，能夠輕鬆將python執行結果取回到Excel。

下面以基礎的資料篩選為例，讓大家可以快速入門智分析的python功能，領略到python的資料分析魅力。

資料來源

我們要先用到一份EXCEL示例檔案，在這裡我選用了一份電商訂單明細表，資料已脫敏：

EXCEL 篩選

如果在EXCEL裡進行篩選，我們一般方法是利用EXCEL自身的篩選功能，在彈出的篩選介面裡用滑鼠進行勾選，例如我們要篩選“訂單日期”為2010年的和“訂單等級”為高階的：

 

 

Smartbi 智分析裡使用python進行篩選

載入資料

由於智分析的ETL是在網頁端上進行處理的，我們首先要做的就是先把本地的資料來源導進智分析平臺裡，在智分析資料連線的介面裡便可以快速把資料來源導進來。除了本地的資料檔案外，智分析也支援mysql、阿里雲等關係型資料庫的連線。開啟ETL的介面，把關係資料來源的元件拉拽到展示區裡，根據存放路徑找到您的資料來源：

滑鼠右鍵點選關係資料來源的“檢視輸出”我們可以對資料來源的輸出效果進行預覽：

Python 篩選

當完成了資料連線後，接下來就可以利用智分析ETL裡自帶的python指令碼對資料進行各種處理，我們先把python的元件拉拽到中間的展示區，並與上面的關係資料來源進行相連：

點選python的輸入框進行檢視，可以看到這裡的輸入框與pycharm等軟體的輸入框基本一樣，只要熟悉python的小夥伴都可以輕鬆上手，而且系統已經提前輸入了部分指令碼，這些程式碼是系統預設自帶的，無需自己寫，非常貼心。大家可以看到，提前寫好的指令碼主要是呼叫numpy、pandas這兩個庫以及定義了函式：

根據上述提到的需求，我們目的主要是對訂單日期以及訂單等級這兩個欄位進行篩選，我們首先先定義兩個變數cond與cond1，cond在此處呼叫了pandas的pd.to_datetime()函式，這是pandas的時間處理函式，後面dt.year要篩選的結果就是年份等於2010年。接下來cond1要篩選的條件就是column4=高階，因為兩者是and的關係，寫完這兩句指令碼後，還要用&把這兩個條件連線起來：

指令碼寫完後，點選確定，最後我們看一下python指令碼執行後的效果，第二列的訂單日期顯示為2010年，訂單等級顯示為高階，只需寫3行程式碼，我們的篩選需求已經實現了：

資料輸出

我們再利用ETL的輸出功能，對該份報表執行儲存和輸出，為了方便在EXCEL中對資料來源進行呼叫，這裡要輸出的資料來源型別為資料集。首先在ETL的介面裡把“輸出到資料集”拉拽到中間的展示區裡，並與上面的元件進行相連：

然後滑鼠右鍵點選“輸出到資料集”，選擇“執行到此處”，資料集便會成功儲存在智分析的雲端上：

資料回到Excel

最後回到EXCEL裡，在資料集皮膚裡找到剛剛儲存好的資料集，點選該資料集，並用滑鼠把資料集中的欄位拉拽到EXCEL裡：

點選工具欄上的重新整理，資料便會全部重新整理出來，我們可以看到“訂單日期”以及“訂單等級”這兩個欄位已經實現了篩選後的效果：

下篇預告

本文從 Excel 篩選角度介紹了簡單的應用，下一篇將講解更復雜的應用，先看看有哪些複雜需求：

·         訂單日期篩選2010的訂單

·         訂單等級篩選高階

·         利潤金額前10的訂單