老海分享了關數據分析工具選擇的理解和建議，而今天，老海想回到實際操作角度來聊聊。
作為?數據分析師，我們日常工作中使用的最多自然是SQL查詢，是真正的“金剛鉆”本領。
通常包括了Spark SQL、Hive SQL、MySQL等等，我們主要通過它們提取數據庫中的數據記錄。
而在處理一些外部數據時，如TXT文本數據、CSV日志數據等，SQL沒有Excel或者Python來的靈活。
如果需要把數據進行報表化、可視化，我們又會偏向使用PowerBI或者Tableau這類商業BI工具。
這些工具之間的設計思路、運行原理、編寫語法、操作步驟等等，的確存在著很大不同點。
但是它們又有著最大的共同點：必須圍繞我們的目標需求來執行，否則再強的工具也毫無意義而言了。
比如你要篩選出天津市的銷售訂單，你無論用何種工具方法，都得把訂單給找出來，整別的都沒用的！
所以，在解決問題這點上，它們沒有不同，更沒有強弱之分。
選擇分析工具，不是看誰功能多，而是看誰能解決問題！
面對同一目標，四大數據分析工具都是如何操作的呢？
實際工作中，我們經常在不同工具間來回切換，或者同時配合使用幾種工具
因此我們總是需要不斷記憶和搜索相關的操作步驟，這是一個很繁瑣又浪費時間的過程。
為了徹底解決這個問題，本次老海把四個工具放在一起，同步橫向對比：
在相同目標要求下，Excel、MySQL、Power BI、Python 四大數據分析工具的操作要點
比如：篩選出天津市的銷售訂單，這四種工具各自都是如何具體操作的，盡量做到一目了然！
與某種工具的深度文章不同，此次主要是常見步驟的操作對比，是操作方法的大集合。
本次內容由老海獨家編輯整理，整個過程相當耗時，由于內容較多，計劃分為上中下三篇完成。
感興趣的朋友，可以關注我，收藏文章方便后期查找。
OK，我們下面來同步對比這些工具操作情況：
演示工具版本環境：
OFFCIE2013或2016，
MYSQL8.0以上，
Python3.7，
PowerBI 2020年5月版本
案例模擬數據情況：
本次依舊使用之前的模擬數據，與業務無關，僅供演示：
以下是涉及的表結構，共6張數據表，本文中主要涉及銷售數據表、產品表、顧客信息表
數據實例，如下圖所示：
數據集相對比較簡單，容易理解。
OK，接下來，我們將按數據預處理的基本流程開始操作演示：
數據準備和導入
當使用Excel時：
- 沒啥說的，直接打開xlsx或者xls文件即可。
- 打開速度與你自己的電腦配置直接相關，同樣的配置情況下，筆記本的打開速度要大打折扣。
- 經常玩EXCEL數據比較大的同學，老海建議你上個臺式機吧，速度快還穩定，特別爽。
特別注意：Excel本身有數據記錄的數量限制，如果你的數據量很大，使用EXCEL文件類型，可能會造成數據讀取不全，以及各種卡頓報錯。
所以當數據量夠大的時候，建議直接更換其他工具，請不要在Excel上一路走黑。
當使用MySQL時：
我們一般可連接數據庫后臺，添加公司的主機、賬戶密碼登錄即可，一般公司局域網內使用
特別提示：MySQL8.0以后，登錄密碼編碼類型發生了變化，可能出現報錯
一般需要先啟動MySQL服務：
設置密碼、修改密碼編碼方式、刷新服務，三個步驟來解決
- 第一步：OK，這里我們使用本地搭建的環境，采用人工數據導入的方式
- 第二步：選擇相應的數據文件類型，一般為XLS、XLSX、CSV、TXT、JSON等等。
- 第三步：然后我們選擇數據源里的具體表格，比如這里我們選擇了6個表格
- 第四步：設置數據字段名稱行，一般都是第一行
- 第五步：可以設置導入后表名，這里為了方便演示，就不再調整了。
- 第六步：同樣可以設置導入表中的字段名稱，這里老海不再調整。
- 第七步：然后選擇導入模式，是添加、更新、還是復制，這里我們同樣選擇默認。
- 第八步：點擊“開始”按鈕，數據不大的話，很快就完成了。
特別注意：當提示成功導入后，記得點擊“關閉”，而不是“開始”，不然又會重新導入
此時我們可以看到數據表已經導入成功了，還可以打開數據表看一下是否顯示正常。
當使用Power BI時：
- 第一步：我們打開PowerBI，選擇“獲取數據”，選擇“常見數據源”中的Excel
- 第二步：然后選擇，需要導入的數據表，這里演示選擇了6個表格導入到數據模型里
- 第三步：我們可以看到數據表里面具體的數據字段情況，檢查是否顯示正常。
特別注意：PowerBI導入多個數據表格后，會自動選擇字段進行表格關聯，但這種關聯不一定是你實際業務的情況。
你要根據業務工作的實際情況來確定字段是否合理，關聯方式是否合理，比如是左連接、還是右連接等等。
使用Python：
- 第一步：我們先引入必要的pandas、numpy、sys等包，查看運行環境
- 第二步：然后設定好我們的工作路徑，這里是根據我們自己的情況來自行設置的。
- 第三步：最后我們引入需要處理的數據源
特別注意：當我們使用pandas讀取Excel表格數據時，默認會只讀取第1個sheet，因此當需要讀取特定的sheet時，請通過參數來指定完成。
另外pandas的讀取速度，與數據文件的大小、以及你自己設備的內存直接相關，當數據文件很大，比如10G，一般會受到你設備內存大小的影響，讀取速度變慢，此時考慮分批讀取或者使用SQL在服務器上處理。
OK，以上就是關于模擬數據背景、以及數據準備與導入的內容。
限于篇幅，上篇先介紹到這里，歡迎后續后續的2篇內容，涉及數據查看與篩選、更新與刪除、分組聚合、多表關聯、多表聯合、排序與分組、存儲與導出等操作。
本系列文章內容較長，建議隨手收藏下來，相信總有需要的時候！
