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:
- 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”
- 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
- 将有缺失值的记录删除
- 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