python是一门非常简单和实用的数据分析工具，咱们晓得其实能够利用python对EXCEL数据做简略的筛选。明天咱们利用ETL+Python的搭配组合，对EXCEL数据进行深层次的加工，这一次咱们要做的是高级筛选，请跟着我一起学习吧。

数据源

咱们用电商订单明细表：

EXCEL筛选

咱们回顾一下上一篇文章里的数据需要，第一个是依据订单日期筛选2010年的订单，第二个是依据订单等级去筛选高级的订单，这一次咱们把筛选条件进行降级，减少一个条件：在原先两个筛选条件的根底上，筛选出利润金额前10的订单。如果在EXCEL里操作的话，能够利用公式或者本身的筛选性能去实现，然而在python又是怎么实现的呢？

咱们能够在pycharm等软件上写python脚本去实现，然而我举荐大家用Smartbi智剖析的ETL性能去实现，Smartbi智剖析的ETL界面里也提供了python脚本的编写页面，并且很多简略的需要通过ETL就能实现，无需撰写简单的代码，非常适合编程小白。

加载数据

关上Smartbi智剖析里ETL界面，咱们先连贯好数据源，我曾经提前把EXCEL文件导入到了Smartbi智剖析的零碎里，而后把关系数据源拉拽到展示区里，并在左边找到数据源寄存的门路：

加载实现后，咱们能够对数据源进行预览：

条件过滤

当实现了数据连贯后，接下来就能够利用Smartbi智剖析ETL里自带的python脚本对数据进行各种解决，咱们先把python的组件拉拽到两头的展示区，并与下面的关系数据源进行相连：

以下脚本是Smartbi智剖析自带的脚本，曾经提前装置好了pandas和numpy的库，前面的函数也写好了一部分代码，只有依据以下脚本进行扩大，便能够在ETL上利用python进行数据荡涤：

在输出python脚本之前，咱们再明确一下要实现的需要，其中后面两个条件是和上次一样的，咱们无需进行改变，间接复制脚本过去即可，如果不懂的能够查看我前一篇文章。第三个条件须要做的是筛选利润额前10的订单，这里咱们援用pandas中的sort_values函数进行排序，原理相似于SQL中的order by，能够将数据集按照某个字段中的数据进行排序，前面接ascending=False，即对数据进行降序排列，head(10)代表的是取前10的值：

咱们看一下python脚本执行后的成果，年份这一列把2010年给筛选进去了，订单这一列筛选的是高级的订单，订单利润这一列的数据依照降序把前10的数据给筛选进去了：

数据输入

实现python的筛选程序后，咱们把执行筛选后的表格进行保留，能够抉择保留在数据库中，也能够保留在数据集里，这里我仍旧抉择数据集的保留形式，因为不便在EXCEL里进行调用：

回到EXCEL里，点击EXCEL插件里的“视图”，在左边会呈现Smartbi智剖析的数据集面板界面，点击下拉菜单，便能够找到保留在云端的数据集，也能够间接输出文件名进行搜寻：

点击EXCEL工具栏上的“刷新”，数据集里的字段便会显示在EXCEL里，咱们就能够利用这些数据在EXCEL里进行数据分析了：