工欲善其事，必先利其器。说起来道理大家都懂，只是到了要学习的时候就开始各种退缩。殊不知一款好的数据分析工具可以让你事半功倍，瞬间提高学习工作效率。

虽然数据分析的工具千万种，综合起来万变不离其宗。无非是数据获取、数据存储、数据管理、数据计算、数据分析、数据展示等几个方面。而SAS、R、SPSS、python、excel是被提到频率最高的数据分析工具。那么，这些工具本身到底有什么特点呢？

Excel

Excel 是微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。

1、数据透视功能

一个数据透视表演变出10几种报表，只需吹灰之力。一个新手，只要认真使用向导1-2小时就可以马马虎虎上路。

2、统计分析

其实包含在数据透视功能之中，但是非常独特，常用的检验方式一键搞定。

3、图表功能

这几乎是Excel的独门武工，其他程序望其项背而自杀。

4、高级筛选

这是Excel提供的高级查询功能，而操作之简单。非常超值享受。

5、自动汇总功能

这个功能其他程序都有，但是Excel简便灵活。

6、高级数学计算

只要一两个函数轻松搞定

SAS软件

SAS是全球最大的软件公司之一，是由美国NORTH CAROLINA州立大学1966年开发的统计分析软件。SAS把数据存取、管理、分析和展现有机地融为一体。

主要优点如下：

1、功能强大，统计方法齐，全，新

SAS提供了从基本统计数的计算到各种试验设计的方差分析，相关回归分析以及多变数分析的多种统计分析过程，几乎囊括了所有最新分析方法，其分析技术先进，可靠。分析方法的实现通过过程调用完成。许多过程同时提供了多种算法和选项。

2、使用简便，操作灵活

SAS以一个通用的数据（DATA）步产生数据集，尔后以不同的过程调用完成各种数据分析。

其编程语句简洁，短小，通常只需很小的几句语句即可完成一些复杂的运算，得到满意的结果。结果输出以简明的英文给出提示，统计术语规范易懂，具有初步英语和统计基础即可。使用者只要告诉SAS“做什么”，而不必告诉其“怎么做”。

同时SAS的设计，使得任何SAS能够“猜”出的东西用户都不必告诉它（即无需设定），并且能自动修正一些小的错误（例如将DATA语句的DATA拼写成DATE，SAS将假设为DATA继续运行，仅在LOG中给出注释说明）。对运行时的错误它尽可能地给出错误原因及改正方法。因而SAS将统计的科学，严谨和准确与便于使用者有机地结合起来，极大地方便了使用者。

3、提供联机帮助功能

使用过程中按下功能键F1，可随时获得帮助信息，得到简明的操作指导。

R软件

R是一套完整的数据处理、计算和制图软件系统。

主要优点如下：

数据存储和处理系统数组运算工具（其向量、矩阵运算方面功能尤其强大）完整连贯的统计分析工具优秀的统计制图功能简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能

与其说R是一种统计软件，还不如说R是一种数学计算的环境，因为R并不是仅仅提供若干统计程序、使用者只需指定数据库和若干参数便可进行一个统计分析。

R的思想是：它可以提供一些集成的统计工具，但更大量的是它提供各种数学计算、统计计算的函数，从而使使用者能灵活机动的进行数据分析，甚至创造出符合需要的新的统计计算方法。

该语言的语法表面上类似 C，但在语义上是函数设计语言的（functional programming language）的变种并且和Lisp 以及APL有很强的兼容性。特别的是，它允许在“语言上计算”（computing on the language）。这使得它可以把表达式作为函数的输入参数，而这种做法对统计模拟和绘图非常有用。

R是一个免费的自由软件，它有UNIX、LINUX、MacOS和WINDOWS版本，都是可以免费下载和使用的。在R主页那儿可以下载到R的安装程序、各种外挂程序和文档。在R的安装程序中只包含了8个基础模块，其他外在模块可以通过CRAN获得。

SPSS

SPSS是世界上最早的统计分析软件。

主要优点如下：

操作简便：界面非常友好，除了数据录入及部分命令程序等少数输入工作需要键盘键入外，大多数操作可通过鼠标拖曳、点击“菜单”、“按钮”和“对话框”来完成。

编程方便：具有第四代语言的特点，告诉系统要做什么，无需告诉怎样做。只要了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。

功能强大：具有完整的数据输入、编辑、统计分析、报表、图形制作等功能。自带11种类型136个函数。SPSS提供了从简单的统计描述到复杂的多因素统计分析方法，比如数据的探索性分析、统计描述、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、Logistic回归等。

数据接口：能够读取及输出多种格式的文件。比如由dBASE、FoxBASE、FoxPRO产生的*.dbf文件，文本编辑器软件生成的ASCⅡ数据文件，Excel的*.xls文件等均可转换成可供分析的SPSS数据文件。能够把SPSS的图形转换为7种图形文件。结果可保存为*.txt及html格式的文件。

模块组合：SPSS for Windows软件分为若干功能模块。用户可以根据自己的分析需要和计算机的实际配置情况灵活选择。

针对性强：SPSS针对初学者、熟练者及精通者都比较适用。并且很多群体只需要掌握简单的操作分析，大多青睐于SPSS。

Python

Python是一种面向对象、解释型计算机程序设计语言。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。

常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。

主要优点如下：

简单：Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样。它使你能够专注于解决问题而不是去搞明白语言本身。

易学：Python极其容易上手，因为Python有极其简单的说明文档 。

速度快：Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，运行速度非常快。

免费、开源：Python是FLOSS（自由/开放源码软件）之一。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。FLOSS是基于一个团体分享知识的概念。

高层语言：用Python语言编写程序的时候无需考虑诸如如何管理你的程序使用的内存一类的底层细节。

可移植性：由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。

解释性：一个用编译性语言比如C或C++写的程序可以从源文件（即C或C++语言）转换到一个你的计算机使用的语言（二进制代码，即0和1）。这个过程通过编译器和不同的标记、选项完成。运行程序的时候，连接/转载器软件把你的程序从硬盘复制到内存中并且运行。而Python语言写的程序不需要编译成二进制代码。你可以直接从源代码运行程序。

在计算机内部，Python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。这使得使用Python更加简单。也使得Python程序更加易于移植。

面向对象：Python既支持面向过程的编程也支持面向对象的编程。在“面向过程”的语言中，程序是由过程或仅仅是可重用代码的函数构建起来的。在“面向对象”的语言中，程序是由数据和功能组合而成的对象构建起来的。

可扩展性：如果需要一段关键代码运行得更快或者希望某些算法不公开，可以部分程序用C或C++编写，然后在Python程序中使用它们。

可嵌入性：可以把Python嵌入C/C++程序，从而向程序用户提供脚本功能。

丰富的库：Python标准库确实很庞大。它可以帮助处理各种工作，包括正则表达式、文档生成、单元测试、线程、数据库、网页浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI（图形用户界面）、Tk和其他与系统有关的操作。这被称作Python的“功能齐全”理念。除了标准库以外，还有许多其他高质量的库，如wxPython、Twisted和Python图像库等等。

规范的代码：Python采用强制缩进的方式使得代码具有较好可读性。而Python语言写的程序不需要编译成二进制代码。

工具不是万能的，业务和数据建模方法才是万法之源。不要被工具迷花了眼哦！

概述

描述样本值的离散程度，最常用的指标是方差和标准差，它们与前面所说的全距（极差）只使用了两个极值情况不同，它们利用了样本的全部信息去描述数据取值的分散性。

计算方差的公式

方差是各样本相对均值的偏差平方和的平均。使用s2来表示，其公式如下：

当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

计算标准差的公式

样本方差的开方称为样本标准差，记为s，其计算公式如下：

标准差越大，数据的离散程度越大，反之越小。但标准差与方差不同的地方是，标准差是有量纲的，它与变量值的计量单位相同，因此具有较强的实际意义，在实际应用较广泛。

R中计算方差与标准差

在R中使用var函数和sd函数分别计算方差和标准差。

var函数的语法形式如下：

var(x, y = NULL, na.rm = FALSE, use)

参数x是一个数值型向量，矩阵或数据框；

参数y是与x维度相容的一个向量、矩阵或数据框，默认为NULL值；

na.rm为逻辑值，指示是否移除缺失值，默认为FALSE；

use是一个可选参数，是一个字符型字符串。用于指明在有缺失值时计算协方差的方法。只能是 "everything", "all.obs", "complete.obs", "na.orplete", or "pairwiseplete.obs"中值之一。

sd函数的语法形式如下：

sd(x, na.rm = FALSE)

各参数的含义与var函数对应的参数相同，但是x是一个数值型向量。

下面使用一个例子来说明具体使用方法。

设从某班某门课程中随机抽取了20个学生的成绩，具体如下：

51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70.

计算其方差和标准差。

编写R程序如下：

grade<- c(51,99,65,100,68,84,72,85,78,64,69,95,90,75,66,50,63,55,64,70)ss <- var(grade)s <- sd(grade)print(ss)print(s)

计算结果如下图所示：

即方差为：222.87，标准差为：14.93

如果你喜欢这篇文章，请关注我。我会定期更新有关R语言、Python、SPSS、Excel等数据分析方面的文章。让我们共同学习和进步。

众数的概念

一组数据中出现次数最多的观测值叫做众数，用M0表示。众数测度数据的集中性趋势，一般在数据量较大的情况下，众数比较有意义。

R中计算众数

在R中，没有给出直接计算众数的函数，自己可以编写函数，或使用下面的语句获取众数。

某班级20名学生的英语成绩为88,78,67,69,62,100,73,45,70,60,93,97,84,82,81,73,68,76,77,92。计算其众数。

x<- c(88, 78, 67, 69, 62, 100, 73, 45, 70, 60, 93, 97, 84, 82, 81, 73, 68, 76, 77, 92)tmp<-table(x) #计算出x中每个值出现的次数index<-which.max(tmp) #找出最多次数的索引tmp[index] #输出对应的数据及次数

计算结果为：

732

在R中运行的结果如下图所示：

R中计算有多个众数的情形

但此方法只能适用于求一个众数的情况。如果想找出具有多个众数（即有多个数据的频率相同且为最大者）的情况，若令向量x的值为：12, 14, 16, 12, 15, 12, 15, 15；可以使用下面的语句：

x<- c(12, 14, 16, 12, 15, 12, 15, 15)tmp<-table(x)tmp.max<-max(tmp)which(tmp==tmp.max)

则输出结果如下：

12 151 3

在R中的结果如下图所示：

在R中可以通过[文件】->[新建程序脚本]菜单编辑具有多行程序的R脚本，代码集中，编写较方便，如在本例中编写的程序代码如下图所示：

在程序中#后面的内容为注释的内容，添加注释有利于程序的阅读。

如果你喜欢，请关注我，我会定期更新R语言，Python，SPSS，Excel等数据分析方面的内容。

这年头，不会点数据分析，都不好意思投简历找工作。

可是说起来容易做起来难，数据分析究竟是什么鬼？

不会HPCC也不会Hadoop，只会Excel可以吗？——答案是，可以！

对于非科班出身的人来说，Excel就是最接地气的数据分析工具。Excel中有自带的数据分析工具箱，只不过默认情况下，这个工具箱不在菜单栏中，要自己把它找出来哦。

在Excel工具箱中有多个数据分析，有相关系数、协方差、指数平滑等。看到这些名称先别晕，其实这些工具的使用方法很简单。不信？那么今天就来看看，如何通过相关系数分析，找出影响销量下降的原因。

第1步：在Excel表格中输入数据。例如你怀疑影响销量的原因可能有售价、客流量、促销折扣，但是不知道究竟哪个原因是罪魁祸首。

第2步：现在需要调出数据分析工具箱。如下图所示，单击【文件】菜单中 的【选项】选项。

第3步：在【加载项】菜单中选择【Excel加载项】，然后单击【转到】按钮。

第4步：选择【分析工具库】选项，单击【确定】按钮。此时就成功将分析工具添加到菜单栏中了。

第5步：单击【数据】选项卡下的【数据分析】按钮，这就是前面步骤中添加的数据分析工具库。

第6步：选择【相关系数】分析工具，单击【确定】按钮。

第7步：在【相关系数】对话框中设置数据区域。在【输入区域】中选择表格中的所有数据区域，分组方式为【逐列】，因为表格中，每一列为一组数据。选择【标志位于第一行】，这样分析结果中才会有标题字段。设置一个输出区域，例如选择G2单元格，表示要将输出结果放到G2单元格开头的单元格中。

第8步：此时就可以查看分析结果了。因为我们需要判断影响销量的因为，所以只需要在I列中，看销量与其他因素的相关系数值就可以了。负数表示负相关，正数表示正相关，正数正大和负数越小都表示相关系数很大。

例如在下图中，销量与促销折扣的相关程度是最大的，为-0.763，说明折扣是影响售价的最大因素。此外第二个因素是售价，为-0.3389。

虽然今天的案例比较简单，但是使用相关系数工具的思路却可以用到其他复杂的案例上。大家只要将各因素的数据列出来，使用相关系数分析，找到相关系数最大或最小的那个值就可以了。

预备阅读：【进阶】Excel中的方差分析之单因素方差分析

前言

前面我们说了方差分析中的单因素方差分析，但是在实际工作中，影响因素往往不止一个，需要考虑两个或以上因素对实验结果的影响。比如某公司销售汽车，在销售时，除了要关注汽车的外形、价格、耗油量等因素以外，还要考虑地区差异是否对销量有影响。今天来看一下双因素方差分析。

双因素方差分析

如果将汽车颜色看成是影响销量的A因素，不同地区看成是影响销量的B因素，同时对A因素和B因素进行分析，即为双因素方差分析。

双因素方差分析是指分析两个因素，即行因素和列因素，对试验结果的影响的分析方法。当两个因素对试验结果的影响是相互独立的，且可以分别判断出行因素和列因素对试验数据的影响时，可使用双因素方差分析中的无重复双因素分析，即无交互作用的双因素方差分析方法。当这两个因素不仅会对试验数据单独产生影响，还会因二者搭配而对结果产生新的影响时，便可使用可重复双因素分析，即有交互作用的双因素方差分析方法。今天分享个可重复双因素分析的实例。

实例应用

实例应用：可重复双因素分析方法分析何种因素对效益有显著性影响

1、案例描述

某企业为了了解4种方案（因素2）在4个不同地区（因素1）的销售额状况，分别将4种方案投入4个地区进行试验，现有各个方案在不同地区的3天销售额数据，如下图所示，要求分析不同地区、不同方案，以及二者相交互分别对销售额的影响。

2、实例分析

在假设为5%的显著性水平下使用可重复双因素分析法推断不同地区、方案以及两者之间的交互作用中哪些因素对销售额有显著影响。

3、操作分析

第1步：选择分析工具并设置相关参数。打开“数据分析”——“方差分析：可重复双因素分析”，确定，在弹出的对话框中设置，“输入区域”为“$A$1：$E$13”，设置“每一样本的行数”为“3”，设置“α”为“0.05”，在“输出选项”选择“输出区域”，设置为“$G$2”，确定。需要注意的是“每一样本的行数”为各因素每一水平搭配使用的次数。

第2步：显示可重复双因素分析结果。如下图所示。

4、决策分析

在分析结果第一部分的SUMMARY中，可看到各个方案对应地区的样本观测数、求和、样本平均数、样本方差等数据。在第二部分的“方差分析”中可看到，分析结果不但有样本[行因素/方案（因素2）]和列因素[地区（因素1）]的F统计量和F临界值，也有交互作用的F统计量和F临界值。

对比3项F统计量和各自的F临界值，样本、列、交互的F统计量都大于F临界值，说明方案、地区都对销售额有显著的影响。此外，结果中3个P-value值都小于0.01，也说明了方案和地区以及二者之间的交互作用对销售额都有显著影响，所以，该公司在制定后续的销售决策时，应考虑这些因素对销售额增长的作用。

小结

上面就是今天的主题内容了，今天学习一下Excel中如何进行双因素方差分析，可以分析多个因素对某一事物的影响的显著情况。希望通过上面的操作能帮助大家。如果你有什么好的意见，建议，或者有不同的看法，我都希望你留言和我们进行交流、讨论。

调用函数

STDEV

估算样本的标准偏差。标准偏差反映相对于平均值(mean)的离散程度。

语法

STDEV(number1,number2,...)

Number1,number2,...为对应于总体样本的1到30个参数。也可以不使用这种用逗号分隔参数的形式，而用单个数组或对数组的引用。

说明

函数STDEV假设其参数是总体中的样本。如果数据代表全部样本总体，则应该使用函数STDEVP来计算标准偏差。

此处标准偏差的计算使用“无偏差”或“n-1”方法。

函数STDEV的计算公式如下：

其中x为样本平均值AVERAGE(number1,number2,…)，n为样本大小。

忽略逻辑值（TRUE或FALSE）和文本。如果不能忽略逻辑值和文本，请使用STDEVA工作表函数。

示例

假设有10件工具在制造过程中是由同一台机器制造出来的，并取样为随机样本进行抗断强度检验。

如果您将示例复制到空白工作表中，可能会更易于理解该示例。

操作方法

创建空白工作簿或工作表。

请在“帮助”主题中选取示例。不要选取行或列标题。

从帮助中选取示例。

按Ctrl+C。

在工作表中，选中单元格A1，再按Ctrl+V。

若要在查看结果和查看返回结果的公式之间切换，请按Ctrl+`（重音符），或在“工具”菜单上，指向“公式审核”，再单击“公式审核模式”。

A

1强度

21345

31301

41368

51322

61310

71370

81318

91350

101303

111299

公式说明（结果）

=STDEV(A2:A11)假定仅生产了10件工具，其抗断强度的标准偏差(27.46391572)

方差分析

EXCEL的数据处理除了提供了很多的函数外，但这个工具必须加载相应的宏后才能使用，操作步骤为：点击菜单“工具-加载宏”，会出现一个对话框，从中选择“分析工具库”，点击确定后，在工具菜单栏内出现了这个分析工具。

如果你的电脑中没有出现分析工具库，则需要使用OFFICE的安装光盘，运行安装程序。在自定义中点开EXCEL，找到分析工具库，选择“在本机运行”，安装添加即可。

在数据分析工具库中提供了3种基本类型的方差分析：单因素方差分析、双因素无重复试验和可重复试验的方差分析，本节将分别介绍这三种方差分析的应用：

单因素方差分析

在进行单因素方差分析之前，须先将试验所得的数据按一定的格式输入到工作表中，其中每种水平的试验数据可以放在一行或一列内，具体的格式如表，表中每个水平的试验数据结果放在同一行内。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具对话框内的“单因素方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择分析数据所在区域，可以选择水平标志，针对表中数据进行分析时选取（绿色）和***区域。

2．分组方式：提供列与行的选择，当同一水平的数据位于同一行时选择行，位于同一列时选择列，本例选择行。

3．如果在选取数据时包含了水平标志，则选择标志位于第一行，本例选取。

4．α：显著性水平，一般输入0.05，即95%的置信度。

5．输出选项：按需求选择适当的分析结果存储位置。

双因素无重复试验方差分析

与单因素方差分析类似，在分析前需将试验数据按一定的格式输入工作表中。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素无重复方差分析”，出现一个对话框，对话框的内容如下：

1．输入区域：选择数据所在区域，可以包含因素水平标志。

2．如果数据输入时选择了因素水平标志，请选择标志按钮。

3．显著性水平α：根据实际情况输入，一般选择0.05。

4．输出选项：按需要选择分析结果存储的位置。

双因素可重复方差分析

双因素可重复方差分析与双因素无重复方差分析数据输入的区别在于对重复试验数据的处理，就是将重复试验的数据叠加起来。

数据输入完成以后，操作“工具-数据分析”，选择数据分析工具库中的“双因素可重复方差分析”，出现一个对话框，对话框的内容基本与双因素无重复方差分析相同，区别在于每一样本的行数选项，在此输入重复试验的次数即可。

若须对数据进行方差分析时，在输入区域选择数据所在区域及因素水平标志，在每一样本的行数处输入3，即每种组合重复3次试验，显著性水平选择0.05。在输出选项中可以按照需求选择分析结果储存的位置。选择确定以后分析结果。

（本文内容由百度知道网友hvc258贡献）

今天科多大数据小课堂来教大家用Excel怎么做数据分析。

现如今，各行各业的求职都需要简历包装。尤其是文职类简历，想要赢得offer，你不得在精通Excel等办公软件上下点功夫么？那么，你真的了解Excel嘛？或者，你知道用它怎么做数据分析嘛？

所谓数据分析在手，走遍天下都不怕。而 Excel 作为最简单的办公软件，功能却不容小觑，同样可以实现分类、聚类、关联和预测来进行数据分析。这些概念听起来比较抽象，其实一点都不难，今日文章直接来一波干货，从具体操作开始讲起。

01 掌握基本 Excel 快捷键

工欲善其事，必先利其器，自从笔者发现了excel快捷键，就打开了新世界的大门。 虽然都是很基础的操作，一旦运用熟练将会大幅提升效率。

最好用的复制命令： Ctrl + R 向右复制 Ctrl + D 向下复制

选择格式粘贴：Ctrl + Alt + V

求和功能：Alt + = 然后按回车键

格式调整：Ctrl + Shift + 7 加上外边框 Ctrl + Shift + - 去掉边框 Ctrl + Shift + 5 改成%数值格式

视图调整及编辑： Ctrl + Shift + = 插入行 Ctrl + - 删除

终极：开始工具栏所有的命令都可以通过 Alt - H - 调用

Alt： 激活选项，配合选项英文字母使用

Shift：连续选择，配合方向键，翻页键等使用； 上位键

Ctrl：配合其他键可以执行一项命令 如Ctrl + C 复制；快速移动光标，配合方向键使用，如向右快速移动光标 （Ctrl + →）

02 数据收集

在数据分析之前，首先需要找到可靠的数据源。国内的公司数据可以在 wind 上下载，宏观数据可以在国家统计局上找到，而国外比较常用的网站有 SEC，WRDS （Wharton Research Data Services）。

需要注意的是，原始数据一般保留不做处理，通过 Excel 或其他编程软件做后续处理。

03 数据清洗与筛选等基础操作

杂乱无章的原始数据是难以分辨的，因此需要对海量数据进行清洗和筛选才能找出其中的规律。

常见的方法有如下几种：

运用描述性统计命令观察数据的离散程度等基本情况：通过添加“分析工具库”加载项找到数据-数据分析-描述统计，可以得到这组数据的中位数、众数、峰度、偏度等基本指标，观察这组数据的特征。此外，数据分析中还有方差分析等其他命令。

运用 VLOOKUP 将数据合理分组，收放自如：VLOOKUP 函数是 Excel 中的一个纵向查找函数，可以用来核对数据，多个表格之间快速导入数据等函数功能。功能是按列查找，最终返回该列所需查询列序所对应的值。比如，我们导出公司的原始报表后，可以通过 VLOOKUP 函数将报表中的数字一一导入到新的管理用的财务报表，这样既不会破坏原始数据，又可以建立良好的模板，方便后续使用。VLOOKUP 的四个参数用通俗的话来说，就是（要找谁，要在哪里找，要找哪一列内容，是精确的还是模糊的）

运用数据透视表分组求平均数、标准差、计数等多个指标：数据透视表是一个非常容易上手的分组工具，对于简单的数据处理甚至在便捷程度上打败了很多编程工具呢。比如要对每个省份的所有专业分数线求一个平均数，将年份和省份轻松地拖动到对应的列和行，就可以得到结果啦。试想，如果在原始表格中手动一个一个求平均数该有多麻烦。

运用条件函数计算融资缺口，检查配平：比如在预测财务报表时，我们常常要判断资产是否等于负债+所有者权益。此时可以用 IF 函数 （资产=负债+所有者权益，TRUE，FALSE）如果是配平的，直接返回 TRUE。此外，还有一些函数如 IRR 可以计算项目的投资回报率。

04 挖掘数据背后的规律

在完成了数据清洗和筛选之后，我们还是要落实到数据分析的重点，也就是数据背后的逻辑。

首先我们可以采用画图的方式。画图可以非常直观地佐证结论，不同情况下要用不同类型的图，比如饼图显示比重，折线图发现趋势，还可以采用叠加多种形式的图。

下面这张图就是一个数据分析应用的经典例子，显示的是一个教育公司在扩张过程中，学习中心同比增速与营业毛利率的关系。试想，如果只是一堆数据放在你的面前，可能根本无法发现其中的规律，但是通过下图，我们可以发现，学习中心的同比增速一般与营业毛利率呈反向关系，这也就意味着，扩张的过程必然要伴随利润下降的阵痛，这样的数据分析就是有效的，可以为公司的扩张战略提供参考依据。

另一种比较常见的数据分析应用就是从历史预测未来。比如如果公司过去几年的存货周转率都比较稳定，可以以此来预测未来几年的存货周转率。又或者通过线性回归发现某两个指标之间过去的线性关系，并以此来预测未来走势，这个操作方法可以用散点图——添加趋势线——选择回归类型（线性）来得出简单的结论。

说了这么多，列举 Excel 数据分析的一个常见运用。

大家知道，金融领域的工作往往要考察搭建财务模型的技巧，而这个模型就是完完全全从 0 开始通过 Excel 制作的。

1. 计算各项指标了解公司的历史经营状态。这一步不仅可以看出公司在盈利能力、成长性、营运能力等多个维度的历史发展状况，还可以与同行业的可比公司进行比较，看出这个公司所处的地位（比如公司的应收账款周转率可以直观看出公司是强势地位还是弱势地位，应收账款周转率如果显著低于同业，那就说明应收账款很容易收到，议价能力强）。

2. 预测公司未来的盈利状况，并通过财务报表的勾稽关系完善财务模型。这一步一定要打开 Excel 的自动迭代功能（选项——公式——启用迭代计算），具体的财务方面知识在此就不再详述。

3. 现金流 DCF 模型及敏感性分析。以之前制作的财务报表为基础，就可以测算出公司未来的自由现金流，在计算出公司资本成本的前提下对现金流进行贴现得到公司绝对估值。其中，基于不同的资本成本和公司永续增长率还可以做成敏感性分析的表格，得出在不同情形下公司的估值。这就需要使用Excel的数据——模拟运算——模拟运算表功能了。如下图所示，将输入引用行的单元格和引用列的单元格分别设为 Equity Valuation 中的永续增长率和Wacc对应的数值，就可以实现啦。

以上这些介绍都只是冰山一角，Excel的功能博大精深，加上VBA等高端操作将会释放更大的威力。配合现当代大数据盛行时期。想要深入，就还得不断学习！

　操作步骤

　　1. 打开原始数据表格，制作本实例的原始数据需要满足两组或两组以上的数据，结果将给出其中任意两项的相关系数。

　　2. 选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择:

　　输入区域:选择数据区域，注意需要满足至少两组数据。如果有数据标志，注意同时勾选下方“标志位于第一行”；

　　分组方式:指示输入区域中的数据是按行还是按列考虑，请根据原数据格式选择；

　　输出区域可以选择本表、新工作表组或是新工作簿；

　　3.点击“确定”即可看到生成的报表。

　　可以看到，在相应区域生成了一个3×3的矩阵，数据项目的交叉处就是其相关系数。显然，数据与本身是完全相关的，相关系数在对角线上显示为1；两组数据间在矩阵上有两个位置，它们是相同的，故右上侧重复部分不显示数据。左下侧相应位置分别是温度与压力A、B和两组压力数据间的相关系数。

　　从数据统计结论可以看出，温度与压力A、B的相关性分别达到了0.95和0.94，这说明它们呈现良好的正相关性，而两组压力数据间的相关性达到了0.998，这说明在不同反应器内的相同条件下反应一致性很好，可以忽略因为更换反应器造成的系统误差。

　　协方差的统计与相关系数的活的方法相似，统计结果同样返回一个输出表和一个矩阵，分别表示每对测量值变量之间的相关系数和协方差。不同之处在于相关系数的取值在 -1 和 +1 之间，而协方差没有限定的取值范围。相关系数和协方差都是描述两个变量离散程度的指标。

（本文内容由百度知道网友我是来吓宝宝的贡献）

一、描述统计

在数据分析的时候，一般首先要对数据进行描述性统计分析（Descriptive Analysis），以发现其内在的规律，再选择进一步分析的方法。描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形，常用的指标有均值、中位数、众数、方差、标准差等等。

数据的集中趋势一般采用平均值、中位数表示。数据的离散程度一般采用方差、标准差表示。数据的分布情况一般采用直方图表示。

案例：北京房屋价格（数据文件：house_price.xlsx）

分析问题:

1)北京市政府为调控房地产价格，希望知道北京各小区房屋价格的分布，请分析房地产价格的集中趋势，并选择合适的图形呈现。

2)房地产商想知道北京各个环线房屋装修状况的对比情况，以便进行产品设计和市场拓展，计算指标并设计合适的图形呈现结果，最后给房地产商一些建议。

3)选择合适的图形反映北京各个区住宅区房屋分布情况

操作步骤：

1)基本描述统计

打开excel数据文件house_price.xlsx

选择描述统计，单击“确定”按钮。

2)直方图

根据描述统计的结果，在空白列构造间隔为0.5的等差数列作为接收区域D1:D19，最大值为9,最小值为0。

选择数据，单击“数据”选项卡，选择“数据分析”选项框中的“直方图”选项

输入区域选择房屋价格avgprice列$B$2:$B$186，接收区域选择第一步构造的接收数据，即D1:D19数据。

输出区域选择G3，勾选图表输出，然后单击“确定”按钮。

选中整个直方图，右键单击选择“设置数据系列格式”，单击“系列选项”，分类间距设为0。

备注：

基本概念：数据的集中趋势 离散程度 数据分布情况 透视表 直方图 柱形图 饼形图 堆积柱形图

二、排位与百分比排位

“排位与百分比排位”分析工具可以产生一个数据表，在其中包含数据集中各个数值的顺序排位和百分比排位。该工具用来分析数据集中各数值间的相对位置关系。该工具使用工作表函数 RANK 和 PERCENTRANK。

例：10名同学统计学考试成绩如下：

试进行排位和百分比排位。

（1）在EXCEL数据分析工具库中选择“排位与百分比排位”，弹出对话框如下：

排位与百分比排位对话框设置

（2）单击“确定”生成排位结果如图。

排位与百分比排位结果

（3）其中的百分比排位为：小于该值的个数/（小于该值的个数+大于该值的个数）

如88，小于该值的有7个，大于该值的有2个，百分比排位为7/9＝77.78%，该工具截去了十分位数。

以方差分析：无重复双因素分析为例，操作方式如下

1、选择需要进行方差分析的数据区域，然后单击数据选项卡

2、在分析功能组中单击数据分析按钮，弹出数据分析对话框

3、在分析工具列表框中选择方差分析：无重复双因素分析，单击确定,弹出方差分析：无重复双因素分析对话框

4、单击输入区域后的文本框，在表格中选择区域：$A$2:$B$20，单击输出选项，再单击后面的文本框，在表格中选择单元格：$E$1，再单击确定即可。

（本文内容由百度知道网友cctv1102贡献）