作为​数据分析师，我们日常工作中使用的最多自然是SQL查询，是真正的“金刚钻”本领。

通常包括了Spark SQL、Hive SQL、MySQL等等，我们主要通过它们提取数据库中的数据记录。

而在处理一些外部数据时，如TXT文本数据、CSV日志数据等，SQL没有Excel或者Python来的灵活。

如果需要把数据进行报表化、可视化，我们又会偏向使用PowerBI或者Tableau这类商业BI工具。

这些工具之间的设计思路、运行原理、编写语法、操作步骤等等，的确存在着很大不同点。

但是它们又有着最大的共同点：必须围绕我们的目标需求来执行，否则再强的工具也毫无意义而言了。

比如你要筛选出天津市的销售订单，你无论用何种工具方法，都得把订单给找出来，整别的都没用的！

所以，在解决问题这点上，它们没有不同，更没有强弱之分。

选择分析工具，不是看谁功能多，而是看谁能解决问题！

面对同一目标，四大数据分析工具都是如何操作的呢？

实际工作中，我们经常在不同工具间来回切换，或者同时配合使用几种工具

因此我们总是需要不断记忆和搜索相关的操作步骤，这是一个很繁琐又浪费时间的过程。

为了彻底解决这个问题，本次老海把四个工具放在一起，同步横向对比：

在相同目标要求下，Excel、MySQL、Power BI、Python 四大数据分析工具的操作要点

比如：筛选出天津市的销售订单，这四种工具各自都是如何具体操作的，尽量做到一目了然！

与某种工具的深度文章不同，此次主要是常见步骤的操作对比，是操作方法的大集合。

本次内容由老海独家编辑整理，整个过程相当耗时，由于内容较多，计划分为上中下三篇完成。

感兴趣的朋友，可以关注我，收藏文章方便后期查找。

OK，我们下面来同步对比这些工具操作情况：

演示工具版本环境：

OFFCIE2013或2016，

MYSQL8.0以上，

Python3.7，

PowerBI 2020年5月版本

案例模拟数据情况：

本次依旧使用之前的模拟数据，与业务无关，仅供演示：

以下是涉及的表结构，共6张数据表，本文中主要涉及销售数据表、产品表、顾客信息表

数据实例，如下图所示：

数据集相对比较简单，容易理解。

OK，接下来，我们将按数据预处理的基本流程开始操作演示：

数据准备和导入

当使用Excel时：

• 没啥说的，直接打开xlsx或者xls文件即可。

• 打开速度与你自己的电脑配置直接相关，同样的配置情况下，笔记本的打开速度要大打折扣。

• 经常玩EXCEL数据比较大的同学，老海建议你上个台式机吧，速度快还稳定，特别爽。

特别注意：Excel本身有数据记录的数量限制，如果你的数据量很大，使用EXCEL文件类型，可能会造成数据读取不全，以及各种卡顿报错。

所以当数据量够大的时候，建议直接更换其他工具，请不要在Excel上一路走黑。

当使用MySQL时：

我们一般可连接数据库后台，添加公司的主机、账户密码登录即可，一般公司局域网内使用

特别提示：MySQL8.0以后，登录密码编码类型发生了变化，可能出现报错

一般需要先启动MySQL服务：

设置密码、修改密码编码方式、刷新服务，三个步骤来解决

• 第一步：OK，这里我们使用本地搭建的环境，采用人工数据导入的方式

• 第二步：选择相应的数据文件类型，一般为XLS、XLSX、CSV、TXT、JSON等等。

• 第三步：然后我们选择数据源里的具体表格，比如这里我们选择了6个表格

• 第四步：设置数据字段名称行，一般都是第一行

• 第五步：可以设置导入后表名，这里为了方便演示，就不再调整了。

• 第六步：同样可以设置导入表中的字段名称，这里老海不再调整。

• 第七步：然后选择导入模式，是添加、更新、还是复制，这里我们同样选择默认。

• 第八步：点击“开始”按钮，数据不大的话，很快就完成了。

特别注意：当提示成功导入后，记得点击“关闭”，而不是“开始”，不然又会重新导入

此时我们可以看到数据表已经导入成功了，还可以打开数据表看一下是否显示正常。

当使用Power BI时：

• 第一步：我们打开PowerBI，选择“获取数据”，选择“常见数据源”中的Excel

• 第二步：然后选择，需要导入的数据表，这里演示选择了6个表格导入到数据模型里

• 第三步：我们可以看到数据表里面具体的数据字段情况，检查是否显示正常。

特别注意：PowerBI导入多个数据表格后，会自动选择字段进行表格关联，但这种关联不一定是你实际业务的情况。

你要根据业务工作的实际情况来确定字段是否合理，关联方式是否合理，比如是左连接、还是右连接等等。

使用Python：

• 第一步：我们先引入必要的pandas、numpy、sys等包，查看运行环境

• 第二步：然后设定好我们的工作路径，这里是根据我们自己的情况来自行设置的。

• 第三步：最后我们引入需要处理的数据源

特别注意：当我们使用pandas读取Excel表格数据时，默认会只读取第1个sheet，因此当需要读取特定的sheet时，请通过参数来指定完成。

另外pandas的读取速度，与数据文件的大小、以及你自己设备的内存直接相关，当数据文件很大，比如10G，一般会受到你设备内存大小的影响，读取速度变慢，此时考虑分批读取或者使用SQL在服务器上处理。

OK，以上就是关于模拟数据背景、以及数据准备与导入的内容。

限于篇幅，上篇先介绍到这里，欢迎后续后续的2篇内容，涉及数据查看与筛选、更新与删除、分组聚合、多表关联、多表联合、排序与分组、存储与导出等操作。

本系列文章内容较长，建议随手收藏下来，相信总有需要的时候！