同一件事——按地区汇总销售额并排序——Excel 要 12 步，Python 要 3 行。 但 12 步里有 6 步是「为了能算」做的准备，Python 那 3 行同样省不掉这些准备。 真正拉开差距的不是速度，是「下次换一份表，要不要重来一遍」。
这是第 1 章的最后一篇。 前四篇讲的是「分析是什么」，这一篇讲「用什么做」——因为它决定了第 2 章要装什么。 文中的步数是按实际操作数出来的，不是估的；时间不作比较，理由在第三节说明。
一、Excel 的强项：看得见
Excel 最大的好处不是快，是每一步都看得见。分列错了，一眼就发现；数字变了，格子会变色。 第二个好处是交付方便：把文件发给同事，他能点开自己核，不需要装 Python。 第三个好处是学习成本低。会排序、会筛选、会透视表，八成日常活就干完了。
所以「数据小、做一次、要给不看代码的人」这三条同时成立时，Excel 是更优解，不是将就。
二、Python 的强项：可复用
Python 的优势集中在三件 Excel 做不到的事上：接数据库、定时跑、处理上万行。 更关键的是第四件：脚本写一次，下次换数据不用改。Excel 那 12 步得重来一遍。 所以判断标准不是「谁快」，是「这件活你会做几次」。做一次，Excel；做二十次，Python。
还有一条容易忽略：Python 的处理过程本身就是文档。同事看代码，知道每个数怎么来的。
三、步数账：12 步对 3 行
同一件事，两边各数一遍。Excel 这边：打开文件、选中金额列、数据分列、删千分位逗号、 删「元」字、处理空值、插入数据透视表、拖地区到行、拖金额到值、按值降序排、 复制结果到新表、调格式——12 步。
Python 这边：读进来、按地区分组求和、排序——3 行。 差距看着是 4 倍。 但 12 步里有 6 步是「为了能算」而做的准备（分列、去逗号、去「元」、处理空值等）， 剩下 6 步才是分析本身。 这 6 步准备，Python 那边同样要做，只是写成了代码，看着不像步骤。
四、代码短不等于流程短
有个常见的误会：看到「三行搞定」，以为流程也只要三步。不是的。 同一条流水线，用 Python 只跳过空值、不去重，汇总出来是 11,390 元。 而在上一篇里认真清洗完再算，是 8,010 元。差的 3,380 元全是重复行。
代码短只是打字少，流程一步都省不掉。清洗、去重、验证，这些活在哪个工具里都得做。 反过来说也成立：用 Excel 认真做，结果和 Python 一模一样。工具不改变方法论。
五、先学哪个
如果手上的活是「一次性、几百行、给同事看」，先别学 Python，把 Excel 用熟就够了。 如果活是「每天跑、上万行、要接数据库」，那值得花两周学 Pandas——省下的是重复劳动。 两条都占的，先学 Excel，等遇到第一件「一天做三遍」的活，再学 Python。有痛点学得最快。
第 2 章开始装环境，装的就是 Python 这一套：解释器、编辑器、Notebook、IPython。 口径说明：这一篇比的是步数和可复用性，不比秒。 同一台机器上跑一次的耗时差太小，测出来也不代表你手上的情况。
六、动手 Demo：Excel 和 Python：同一件事的步数账
先把 Excel 那边的 12 步列出来，再用 3 行 Python 做同一件事。 两组结果都打出来，顺便看看不清洗会差多少。
RAW = ["华东,1,200", "华北,980", "华南,1200元", "华东,860",
"西南,", "华北,1,050", "华南,1320", "华东,1200元",
"西南,640", "华北,980", "华南,760", "华东,1,200"]
agg = {}
for r in RAW:
a, v = r.split(",", 1)
v = v.strip().replace(",", "").replace("元", "")
if not v:
continue
agg[a] = agg.get(a, 0) + int(v)
for a, v in sorted(agg.items(), key=lambda x: -x[1]):
print("%s %d 元" % (a, v))
print("合计 %d 元" % sum(agg.values()))
clean = {}
seen = set()
for r in RAW:
a, v = r.split(",", 1)
v = v.strip().replace(",", "").replace("元", "")
if not v or (a, int(v)) in seen:
continue
seen.add((a, int(v)))
clean[a] = clean.get(a, 0) + int(v)
print("清洗后合计 %d 元" % sum(clean.values()))
实跑输出：
--------------------------------------------------------------------
Excel 和 Python：同一件事的步数账
--------------------------------------------------------------------
① 同一件事，两种干法
--------------------------------------------------------------------
任务：把 12 行地区销售数据按地区汇总，再按金额从大到小排。
Excel 的干法，一步一步数：
1. 打开文件
2. 选中金额列
3. 数据→分列
4. 删掉千分位逗号
5. 删掉「元」字
6. 处理空值
7. 插入数据透视表
8. 拖地区到行
9. 拖金额到值
10. 按值降序排
11. 复制结果到新表
12. 调格式
一共 12 步，其中 6 步是「为了能算」而做的准备，不是分析本身。
! 手工操作的通病：准备工作占大头，而准备工作每做一次就得重做一次。
② Python 的干法
--------------------------------------------------------------------
1. 读进来（一行）
2. 按地区分组求和（一行）
3. 排序（一行）
| 地区 | 销售额（元） |
|---|---:|
| 华东 | 4,460 |
| 华南 | 3,280 |
| 华北 | 3,010 |
| 西南 | 640 |
三行下去，结果是 11,390 元。
这个数比 D003 清洗完算出的 8,010 元多了 3,380 元——因为这 3 行只跳过空值，没有去重。
! 「三行搞定」说的是代码短，不是说流程短。清洗那几步一步都省不掉，只是 Python 上手写起来快。
③ 所以该怎么选
--------------------------------------------------------------------
一周做一次、数据几百行、结果只给自己看：Excel 更快上手。
每天跑一遍、数据上万行、要给同事复用：Python 省下来的不是时间，是「重做」的次数。
! 口径说明：这里比的是步数与可复用性，不比秒。
同一台机器上跑一次的时间差太小，测出来也不代表你手上的情况。
④ 手上的活到底属于哪一类
--------------------------------------------------------------------
| 情况 | 更适合 | 原因 |
|---|---|---|
| 一次性、数据小 | Excel | 学会 Python 的时间比省下的时间多 |
| 重复、数据大 | Python | 脚本写一次，以后每次都是一行命令 |
| 要给别人看过程 | Excel | 对方能点开自己核 |
| 要接数据库、定时跑 | Python | 这些事 Excel 做不了 |
! 第 2 章开始装环境。装之前先想清楚自己手上是哪一类活，别为了学而学。
前半段是「3 行」的真实版本——用循环写，比 Pandas 的 groupby 长，但不装任何库就能跑。
两段合起来说明一件事：代码短的是写法，不是流程。
第二段加的去重逻辑，在 Excel 里对应的是「删除重复项」那一步，一步也免不掉。
30 秒实验
- 把 RAW 里的「华东,1,200」改成「华东,1200」，去重结果会变吗？为什么？
- 如果要按「地区 + 金额区间」两列汇总，Excel 要几步？Python 要几行？
- 想一想：为什么本文反复强调「不比秒」？什么情况下比秒才是有意义的？
常见误区
- 为了学而学：手上活一年做两次、每次几百行，学 Python 的时间比省下的多。
- 以为代码短就省事：清洗、去重、验证一样不少，只是换了个写法。
- 拿跑一次的耗时做比较：单次耗时受数据量、机器、缓存影响，说明不了长期成本。
- 只会在 Notebook 里点运行：脚本要能一行命令跑起来，才算真正可复用。
自测三问（点开对答案）
1. 12 步里有 6 步是准备，这 6 步在 Python 里去哪了？ —— 变成代码里的几行了。它们没消失，只是从「点鼠标」变成「写语句」，所以看着不像步骤。 2. 为什么说不清洗会多出 3,380 元？ —— 因为 3 行重复记录被重复计入合计，而空值那一行本来就没有金额，剔不剔都不影响。 3. 判断该用哪个工具，最该问的一个问题是什么？ —— 这件活你会做几次。做一次用 Excel，做二十次写脚本。第 1 章到此结束。 第 2 章开始动手：装 Python、装编辑器、装 Notebook，把「能跑一行代码」这件事先解决掉。
- ☐ （本篇完，下一篇 2.1 Python 是什么、版本怎么选）