11.数据交换
说明：交换指定数据
Excel
在Excel中交换数据是很常用的操作，以交换示例数据中地址与岗位两列为例，可以选中地址列，按住shift键并拖动边缘至下一列松开即可
Pandas
在pandas中交换两列也有很多方法，以交换示例数据中地址与岗位两列为例，可以通过修改列号来实现
12.数据合并
说明：将两列或多列数据合并成一列
Excel
在Excel中可以使用公式也可以使用Ctrl+E快捷键完成多列合并，以公式为例，合并示例数据中的地址+岗位列步骤如下
Pandas
在Pandas中合并多列比较简单，类似于之前的数据插入操作，例如合并示例数据中的地址+岗位列使用df['合并列'] = df['地址'] + df['岗位']
13.数据拆分
说明：将一列按照规则拆分为多列
Excel
在Excel中可以通过点击数据—>分列并按照提示的选项设置相关参数完成分列，但是由于该列含有等特殊字符，所以需要先使用查找替换去掉。
Pandas
在Pandas中可以使用.split来完成分列，但是在分列完毕后需要使用merge来将分列完的数据添加至原DataFrame，对于分列完的数据含有字符，我们可以使用正则或者字符串lstrip方法进行处理，但因不是pandas特性，此处不再展开。
14.数据分组
说明：对数据进行分组计算
Excel
在Excel中对数据进行分组计算需要先对需要分组的字段进行排序，之后可以通过点击分类汇总并设置相关参数完成，比如对示例数据的学历进行分组并求不同学历的平均薪资
Pandas
在Pandas中对数据进行分组计算可以使用groupby轻松搞定，比如使用df.groupby("学历").mean一行代码即可对示例数据的学历进行分组并求不同学历的平均薪资，结果与Excel一致
15.数据计算
说明：对数据进行一些计算
Excel
在Excel中有很多计算相关的公式，比如可以使用COUNTIFS来统计薪资大于10000的岗位数量有518个
Pandas
在Pandas中可以直接使用类似数据筛选的方法来统计薪资大于10000的岗位数量len(df[df["薪资水平"]>10000])
16.数据统计
说明：对数据进行一些统计计算
Excel
在Excel中有很多统计相关的公式，也有现成的分析工具，比如对薪资水平列进行描述性统计分析，可以通过添加工具库之后点击数据分析按钮并设置相关参数
Pandas
在pandas中也有现成的函数describe快速完成对数据的描述性统计，比如使用df["薪资水平"].describe即可得到薪资列的描述性统计结果
17.数据可视化
说明：对数据进行可视化
Excel
在Excel中可以通过点击插入并选择图表来快速完成对数据的可视化，比如制作薪资的直方图，并且有很多样式可以直接使用
Pandas
在Pandas中也支持直接对数据绘制不同可视化图表，例如直方图，可以使用plot或者直接使用hist来制作df["薪资水平"].hist
18.数据抽样
说明：对数据按要求采样
Excel
在Excel中抽样可以使用公式也可以使用分析工具库中的抽样，但是仅支持对数值型的列抽样，比如随机抽20个示例数据中薪资的样本
Pandas
在pandas中有抽样函数sample可以直接抽样，并且支持任意格式的数据抽样，可以按照数量/比例抽样，比如随机抽20个示例数据中的样本
19.数据透视表
说明：制作数据透视表
Excel
数据透视表是一个非常强大的工具，在Excel中有现成的工具，只需要选中数据—>点击插入—>数据透视表即可生成，并且支持字段的拖取实现不同的透视表，非常方便，比如制作地址、学历、薪资的透视表
Pandas
在Pandas中制作数据透视表可以使用pivot_table函数，例如制作地址、学历、薪资的透视表pd.pivot_table(df,index=["地址","学历"],values=["薪资水平"])，虽然结果一样，但是并没有Excel一样方便调整与多样
20.vlookup
说明：利用VLOOKUP查找数据
Excel
VLOOKUP算是EXCEL中最核心的功能之一了，我们用一个简单的数据来进行示例
Pandas
在Pandas中没有现成的vlookup函数，所以实现匹配查找需要一些步骤，首先我们读取该表格
接着将该dataframe切分为两个
最后修改索引并使用update进行两表的匹配
以上就是使用Pandas来演示如何实现Excel中的常用操作的全部过程，其实可以发现Excel的优点就是大多由交互式的点击完成数据处理，而Pandas则完全依赖于代码，对于有些操作比如数据透视表，用Excel制作更加方便，而有些操作比如数据的分组、计算等，因Pandas可以与NumPy等其他优秀的Python库结合而显得更加强大，所以我们在处理数据时也需要正确选择使用的工具！