【菜鸟系列读书会】3-4章读书笔记（入门篇）

3.1理解数据

3.1.1字段与记录

我们把表中的每一行叫做一个“记录”，每一个记录包含这行中的所有信息，就像在通讯录数据库中某个人全部的信息，但记录在数据库中并没有专门的记录名，常常用它所在的行数表示这是第几个记录。字段是比记录更小的单位，字段集合组成记录，每个字段描述文献的某一特征，即数据项，并有唯一的供计算机识别的字段标识符。

3.1.2数据类型

• 字符型数据
• 数值型数据

3.1.3数据表

一维表、二维表：“维”指分析数据角度

二维表→一维表：导入“数据透视表和数据透视图向导”功能

3.2数据来源

3.2.1导入数据

• 文本数据
• 网站数据
• 可以实时更新

3.2.2问卷录入要求

• 数值题：实际填入数字
• 单选题：定义变量，录入可采用1、2、3、4代表A、B、C、D
• 多选题：二分法、多重分类法
• 排序题：与多重分类法类似
• 开放性文字题

4.1何为数据处理

①数据清洗②数据加工

4.2数据清洗

4.2.1重复数据的处理

• 函数法：COUNTIF
• 高级筛选法：数据-排序和筛选-高级
• 条件格式法：开始-条件格式-突出显示单元格规则
• 数据透视表法：插入-数据透视表

4.2.2删除重复数据

• 通过菜单操作删除重复项
• 通过排序删除重复项
• 通过筛选删除重复项

4.2.3缺失数据处理

可以接受的标准是，缺失值在10%以下

缺失值：缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。

• 定位输入：快捷键“ctrl+G”，开始-编辑-定位条件

处理缺失值的四种方法：

1. 用一个样本统计量的值代替缺失值，最典型的做法就是使用该变量的样本平均值代替缺失值。“ctrl+enter”
2. 用一个统计模型计算出来的值去代替缺失值，常使用的模型有回归模型、判别模型等，不过这得用专业数据分析软件
3. 将有缺失值的记录删除
4. 将有缺失值的记录保留，仅在相应的分析中做必要的排除

• 查找替换：“ctrl+f”查找“ctrl+h”替换

4.2.4检查数据逻辑错误

• 利用IF函数检查错误
• 利用条件格式标记错误

4.3数据加工

4.3.1数据抽取

• 字段分列：①菜单法②函数法left、right
• 字段合并：CONCATENATE
• 字段匹配：VLOOKUP

4.3.2数据计算

• 简单计算
• 函数计算：①平均值与总和：AVERAGE、SUM②日期的加减法：DATE、YEAR、MONTH、DAY③计算工龄：DATEIF

4.3.3数据分组

VLOOKUP

4.3.4数据转换

• 数据表的行列互换：ctrl+alt+v
• 多选题录入数据方式之间的转换：HLOOKUP（按行）SEARCH

4.4数据抽样

RAND