Excel数据读取

在讲解数据读取之前，先来介绍下Excel的文件格式，常见的Excel格式后缀有*.xlsx、*.xlsm、*.csv。当然还有一些其他的格式，数据分析师常用的就是上面三种。*.xlsx是最为常见的Excel文件格式，它表示日常使用的表格文件，一般新建的excel文件默认采用此格式；*.xlsm是保存了宏文件的Excel文件格式，这类文件在打开时往往会提示是否启用宏，既然说到了宏，那就大体解释下，宏是使用Excel编程语言编写的能够实现一系列操作的功能，可以简单的理解为自定义的功能；*.csv是文本格式下保存的表格数，好处就是格式是固定的，用过Excel的都知道Excel的变量类型是特别容易混乱的，而csv格式的数据是文本型，也就是格式可以保持不变，可以将csv理解为Excel中的txt。csv格式的优点，使得数据分析师工作中的数据查询导出的文件，一般都是csv文件，但是csv文件在处理数据上具有天然的劣势，那就是只能保存文本，这就出现了两个问题：只保留公式计算的结果，无法保留公式；只保留一个工作表，其余工作表的数据均被删除。前一个问题使得只保留计算结果，后期想更改十分复杂；后者只能在一个工作表中处理数据，一旦放到了其他工作表或者保存了其他工作表，必然出现数据丢失问题。所以数据分析师的日常工作就是使用SQL查询数据，导出csv格式的表格数据，再将csv格式的数据导入Excel文件，保存在*.xlsx格式的文件，再进行分析。

刚才提到，csv格式的文件能够完整保留单元格格式，但是基本不具备分析的功能；xlsx格式的文件，能够进行各种各样的分析，但是在单元格格式上做的并不好。解释下单元格格式，在Excel中，往往每一列数据有着同样的单元格格式，所谓单元格格式，就是这个单元格保存的是什么数据类型的数据，如数字、文本、日期、百分比等等。Excel经常会把格式混淆，最严重的就是长数字，excel通常会把其写成科学计数法，并且无法修改。excel的例子

身份证号经常被读错，而且没有修改的方法，即使再修改成“文本”，也不会