Excel：数据处理

一、数据处理的内容

数据处理的内容主要有以下两项：
1.数据清洗。将多余重复的数据筛选出来，并剔除；将缺失的数据补足，将错误的数据纠正或删除。
2.数据加工。对清洗过后的数据进行字段的信息提取、计算、分组、转换等处理。

二、数据清洗

1.重复数据的处理

第一步，找出重复数据。

方法1：函数法
COUNTIF(range,criteria)，对区域中满足单个指定条件的单元格进行计数。

• range：要计数的单元格范围。
• criteria：计算条件，可以为数字、表达式或文本，如32、>32或“三十二”。

在B2单元格输入=COUNTIF(A:A,A2)，计算每一个员工编号出现的次数。
在C2单元格输入=COUNTIF(A$2:A2,A2)，计算出现了两次及以上的重复项。以C9对应的编号为例，3表示从A1~A9，该编号是第3次出现。

方法2：高级筛选法

方法3：条件格式法

方法4：数据透视表

用数据透视表统计各项数据出现的频次，出现2次及以上为重复项。

第二步，删除重复数据。

方法1：通过菜单操作删除重复值

方法2：通过排序删除重复值

选择筛选功能，升序排序C列数据，删除大于1的数值即可。

方法3：通过筛选删除重复值


直接将筛选出来的重复值删除即可。

2.缺失数据的处理

在Excel中，缺失值一般以空值或错误标识符标记。那么，如何找出缺失值？

方法1：定位输入
适用情况：缺失值以空白单元格形式出现。

弹出定位对话框：
1.Ctrl+G组合键
2.开始–>编辑–>定位条件

如何处理缺失值？
方法1：用一个样本统计量的值代替缺失值。常用样本均值代替缺失值。
方法2：用一个统计模型计算出来的值代替缺失值。常用的模型有回归模型、判别模型等，需借助数据分析软件。
方法3：删除包含缺失值的数据记录。
方法4：保留包含缺失值的数据记录，分析时按需排除缺失值。

常用做法是，如果样本量比较大，一般采用定位查找功能一次性选出所有缺失值，再用Ctrl+Enter组合键填充样本均值。

方法2：查找替换
适用情况：缺失值以错误标识符形式出现。

以查找错误标识符“#DIV/0!”为例：
1.选中所有数据区域，按Ctrl+H组合键，弹出“查找和替换”对话框。
2.在“查找内容”中输入要搜索的文本或数字，在“替换为”中输入要替换成的内容，再单击“全部替换”按钮。

3.检查数据逻辑错误

以员工满意度问卷调查为例，错误数据出现的情况有：
1.被调查对象输入的选项不符合要求，比如，选择的选项超过了3个。
2.录入错误，比如，录入的数据出现了0、1之外的数据。

如何检查错误？
方法1：用IF函数检查错误情况1.

COUNT，计数。
COUNTIF，对满足指定条件的单元格进行计数。比如，COUNTIF(B3:H3,"<>0")表示“对B3:H3区域中不等于0的单元格进行计数”。
IF，判断逻辑值的真假。比如，IF(COUNTIF(B3:H3,"<>0")>3,"错误","正确")表示“如果录入的选项超过3个，则单元格显示’错误’，否则，显示’正确’”。

方法2：用条件格式检查错误情况2.

OR，或，至少一个为真，就范围TRUE。
AND，和，所有参数都为真，才返回TRUE。

三、数据加工

1.数据抽取

数据抽取，指保留某些字段的部分信息，组合成一个新字段。
1.字段分列，截取某一字段的部分信息；
2.字段合并，将某几个字段合并为一个新字段；
3.字段匹配，将原数据表中没有但其他表中有的字段匹配起来。

字段分列

方法1：菜单法。

方法2：函数法。

LEFT，截取字符串左边指定个数的字符。
RIGHT，截取字符串右边指定个数的字符。

字段合并

组合文本和数字的方式有：
1.CONCATENATE函数，如CONCATENATE(A2,"迟到",B2,"次")。
2.&运算符，如A2&“迟到”&B2&“次”。

TEXT函数

**作用：**在使用连接运算符连接数字和文本时，控制数字的显示方式。如果不用TEXT函数，则默认显示引用单元格的基本数据。比如，若单元格中数据为10%，不使用TEXT函数，合并后的数据则显示为0.1。
**注意：**合并数字和文本后，数据类型为文本，不能做数学运算。

字段匹配

如何将员工职位表中的职务信息提取到员工个人信息（销售部）表中？
1.在“员工个人信息（销售部）”表中F2单元格中输入=VLOOKUP(B2,[员工职位表.xlsx]Sheet1!$B$1:$D$11,3,0)。
2.复制单元格F2到F3:F7，完成数据提取。

VLOOKUP函数

作用：在表格的首列查找指定的数据，并返回指定的数据所在行中的指定列出的单元格内容。

• lookup_value：要在表中第一列查找的值，参数可以是值或引用。
• table_array：包含数据的单元格区域，可以是绝对区域或区域名称的引用。
• col_index_num：1，表示返回匹配值的列号，即返回table_array第一列中的值；2，表示返回匹配值的列号，即返回table_array第二列中的值，以此类推。
• range_lookup：近似匹配1，精确匹配0，常用0.

注意：table_array第一列的值必须是要查找的值（lookup_value），否则会出现错误标识“#N/A”。出现“#N/A”其他情况还有：
1.数据存在空格，可以用TRIM函数批量删除空格。
2.数据类型或格式不一致。

2.数据计算

2.1 简单计算

简单计算，能通过加减乘除计算出来的字段。

如下图，销售额=销售数量*单价，总销售额=∑各产品销售额。

2.2 函数计算

1.平均值与总和

AVERAGE()：求平均值。
SUM()：求和。

2.日期的加减法

输入当前系统时间/日期;

日期	公式	快捷键
2020/1/1	=TODAY()	Ctrl+;
13:39		Ctrl+Shift+;
2009/1/1	=NOW()	1.Ctrl+; 2.按空格键 3.Ctrl+Shift+;

DATE(year,month,day)，返回指定日期。
YEAR()，返回某日期对应的年份。
MONTH()，返回以序列号表示的日其中的月份，用整数1~12表示。
DAY()，返回以序列号表示的日期的天数，用整数1~31表示。
DATEIF(start_date,end_date,unit)，返回两个日期之间的年/月/日间隔数。unit有Y/M/D/YM/YD六种形式。

3.数据转换

3.1 数据表的行列互换

方法1：选择性粘贴。

方法2：Ctrl+Alt+V

3.2 多选题几种录入方式之间的转换

多选题的两种录入方式：
1.二分法，各选项用0和1表示该选项是否被录入。
2.多重分类法，直接录入选项的额代码。只能在SPSS里分析。

下图左边多重分类法中的“选项一”“选项二”“选项三”是多选题中选择的三个选项，比如，被调查者甲选的是A、B、C，那么B2:D2的单元格中分别输入1,2,3。

VLOOKUP，按列查找。
HLOOKUP(lookup_value,table_array,col_index_num,range_lookup)，在表格的首行查找指定的数据，并返回指定的数据所在列中的指定行处的单元格内容。比如，HLOOKUP(1,B5:D5,1,0)表示“在B5:D5区域的第一行中查找数值1，找到数值1所在的列，返回该列对应的单元格区域的第一行数据，并精确匹配，否则，返回’#N/A’”。

多重分类法转换为二分法录入数据，用SEARCH函数代替HLOOKUP函数。

函数/参数	含义
SEARCH(find_text,within_text,start_num)	返回指定的字符串在原始字符串中首次出现的位置
find_text	要查找的文本字符串
within_text	要在哪一个字符串查找
start_num	从within_text的第几个字符开始查找

例子如下，SEARCH("1",A4)表示在A4单元格的字符串中查找1。

4.数据分组

分组对应表如下图右表所示，用来确定分组的范围和标准。“阈值”，是每组覆盖的数值范围中的下限。“分组”，是每一组的组名。“备注”，是分组标准。

使用VLOOKUP实现数据分组，省略了最后一个参数range_lookup，默认近似匹配。这样，单元格B2公式不是在D列中查找0，而是查找接近A2，且不大于A2的值。“最接近且不大于”，如A5(=5.5)，阈值中最接近A5且小于或等于A5的值是D2(=5)，则对应的E2就是A5的分组。

四、数据抽样

普查，对总体中的对象都进行观察研究。
抽样调查，从总体中随机抽取部分样本进行分析。

RAND()，只能返回0~1之间的数。如要生成a ~ b之间的随机数，用公式=RAND()*(b-a)+a。

假设B列有表示100个人的编号（无表头），要随机抽取30个人，步骤如下：
1.对100个人生成不重复的序号，A1=1，A2=A1+1，……，A100=A99+1。
2.随机生成30个1~100的随机数，将公式=INT(RAND()*100复制到D列的30个单元格中。
3.参照A、B列，将D列随机数对应的编号匹配到E列中，将公式=VLOOKUP(D1,$A:$B,2,0)复制到E列的30个单元格中。
4.对抽取出来的编号去重，重复上述步骤，直到抽到了30个编号不重复的人。