數據分析的本質是為了解決問題，以邏輯梳理為主，分析人員會將大部分精力集中在問題拆解、思路透視上面，技術上的消耗總希望越少越好，而且分析的過程往往存在比較頻繁的溝通交互，幾乎沒有時間百度技術細節。

因此，熟練常用技術是良好分析的保障和基礎。

筆者認為熟練記憶數據分析各個環節的一到兩個技術點，不僅能提高分析效率，而且將精力從技術中釋放出來，更快捷高效的完成邏輯與溝通部分。

筆者習慣將一些常用的技術點梳理出來，下次用到可以輕松復制出來，節省不少精力，隨著時間的積累，逐漸成型了一套技術集合。本文基于數據分析的基本流程，整理了SQL、pandas、pyspark、EXCEL（本文暫不涉及數據建模、分類模擬等算法思路）在分析流程中的組合應用，希望對大家有所助益。

1、數據導入

將數據導入到python的環境中相對比較簡單，只是工作中些許細節，如果知道可以事半功倍：

1.1、導入Excel/csv文件：

# 個人公眾號：livandataimport pandas as pddef fun(x): x = int(x) - 1000 return xdata = pd.read_csv('total_data_append_ssl.txt', dtype='str', nrows=5,

總結

以上是生活随笔為你收集整理的数据分析工具篇——数据读写的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。