使用Excel来进行数据处理

什么是数据处理？

数据处理就是把，杂乱无章的数据，经过科学的系统的整理之后，变成我们所需要的数据的一个过程叫数据处理。

数据处理所经过的步骤

1、数据清洗

在数据清洗里主要是干这么三件事

• 剔除重复数据

有四种处理重复值的方法
1.函数法
COUNTIF(你需要检查的区域，你指定的条件)对区域中满足指定条件的单元格进行计数
条件可以为，数字，字符串或者文本，例如：32、‘23’，‘>32’,'apple'
2.高级筛选法
选择要筛选的区域--》数据选项卡--》排序和筛选--》高级--》高级筛选--》将筛选结果复制到其他位置，在勾选选择不重复的记录，点击确定
3.条件格式法
（excel2010以后才能使用） 开始--》条件格式--》突出显示单元格规则--》重复值（重复值被标为不同的颜色）
4.数据透视表法
插入选项卡，新建数据透视表--》选择区域--》选择重复数据--透视表存放位置--》现有工作表--》指定为重复数据
--》将你要查重的字段拖至标签--》在拖至区域汇总

---

找到重复数据之后，我们需要剔除重复数据，那么剔除重复数据，有哪几种方法呢？
1.通过菜单栏操作删除重复项
选择要检查的区域，数据--》删除重复项--》选择要删除的列--》确定

2.通过排序删除重复项
选择单元格--》排序和筛选--》降序--》前面是重复项，删除

3.通过筛选删除重复列（有点复杂）
选择单元格--》排序和筛选--》筛选--》在列标签中单击下拉菜单，按照你的筛选条件--》确定

• 补全缺失数据

在这里说明一件事，如果缺失值过多，说明数据收集有问题，可以接受的缺失值是在10%以下
1.定位输入

• 定位缺失值
  定位功能：开始--》编辑--》定位条件/Ctrl+g--》定位条件--》空值--》确定

这里使用定位输入对缺失值的处理有四种
1..使用样本统计量的值代替缺失值。最常见的是使用平均值来代替缺失值
2.使用统计模型的值代替缺失值（回归模型 判别模型，需要专业的数据软件）
3.删除有缺失值的记录，会导致样本数量减少
4.将有缺失值的记录保留，在分析时候记得排除

实际中，使用第一种是比较常见的，我们采用定位一次，替换全部的方法（使用enter+Ctrl）

• Ctrl+enter用作在不同区域输入相同的值，
• 先使用ctrl选择要输入的区域
• 在输入要录入的内容
• 松开CTRL 使用CTRL+enter 成功

2.查找和替换
当缺失值以错误的标识符出现时候，可以使用
开始--》编辑--》查找和替换
或者
Ctrl+G（定位）ctrl+f（查找） ctrl+h（替换）

• 纠正错误数据

逻辑错误一般有两种
1.输入不符合要求
2.信息录入错误
一般情况下IF函数+特定的逻辑条件可以解决大部分问题

• IF函数（）
  里面有三个参数
  1.判断的表达式
  2.表达为真时候显示的值
  3.表达式为假时候显示的值

EG：IF（COUNTIF（B3:H3,'<>0'）>3,'错误'，‘正确’）
含义是：当B3:H3区域里，出现不等于0 的数，大于三个，显示正确，小于三个显示错误

利用条件格式标记错误
开始--》条件格式--》突出显示条件规则--》其他规则--》设置显示规则--》设置显示颜色
EG = OR（B3=1,B3=0）=FALSE
含义是：当函数参数，任意一个为真是，返回true

AND（参数1，参数2.。。。）当所有参数都为真时，才返回true

2、数据转化

• 数据表的行列互换
  1.开始--》剪贴板--》粘贴--》选择性粘贴
  2.CTRL+alt+V--》选择转置，复选框

• 多选题的录入方式之间的转换
  多选题的录入方式有两种
  1.使用二分法，利用0和1 表示是否该选项被选中，这种方法录入时候繁琐，但是数据分析起来简单
  2.多重分类法，这种方法只能在SPSS中进行，分析，在Excel里相对繁琐，但是节省录入时间

我们这里说另外一种，就是将多重录入转换为二分法，即省时，又省力

假设有这样的数据

1.JPG

我们需要在录入时候，使用多重分类法，在进行数据分析时候，使用二分法，那么怎么办呢？很简单，就是将录入后多重分类的结果，转化为二分的结果
这里介绍两个函数
HLOOKUP函数：查找与匹配，在表格首行查找指定的数据，并返回指定的数据所在的列中的指定的列所处的单元格的内容
HLOOKUP匹配函数的使用：（要在表格第一行查找的值，包含数据的单元格区域，可以使用绝对区域或区域名称的引用，希望返回匹配值的序列号，1，返回第二个参数第一行的值，依次类推，近似匹配1，还是相似匹配0，一般为0）
ISNUMBER函数（）：判断是否为数字，是就返回true，不是就返回false

这里数据的转换函数为：=IF（ISNUMBER（HLOOKUP（1，B5:D5,1,0））1,0）
HLOOKUP 含义：在B5：D5区域中寻找1，找到该数值，就返回该数值所在的第一行的信息，精确匹配，如果没找打。就返回#N/A
IDNUMBER含义：判断是否为数字，是就返回true，不是就返回false

3、数据提取
保留原数据中某些字段的部分信息，组合成一个新的字段，可以是字段的部分信息--字段分列，也可以是几个字段合并为一个新的字段---字段合并，还可以是将原数据表中没有但是其他数据表的信息匹配过来----字段匹配

1.字段分列
两种方法

• 菜单法（适合有特定分隔符的情况）
  数据--》数据工具--》分列--》选择分隔符号--》完成
• 函数法（没有特定分隔符）
  LEFT（text，num_chart）/RIGHT(text,num_chart)函数
  text:包含要提取的字符串的文本
  num_chart:要提取的字符串的left/right的个数

2.字段合并
也是有两种方法

• CONCATEBATE函数
  CONCATEBATE（text1，text2，。。。）text<=30，text可以为文本，数字，单元格引用，当使用数字和文本进行合并时候，数字变为文本，无法进行计算

• &运算符
  同理
  EG：=A2&“迟到”&B2&“次”

TEXT函数：使用连接运算符连接数字和文本时候。控制数字的显示方式
EG：=A3&“迟到比例为”&TEXT（B3，“0%”）

3.字段匹配（提取不同表格所需要的信息）
打开两个表--》找到你需要提取的信息，输入公式=VLOOKUP（B2[员工职位表.xlsx]Sheetxx$xx，3，0）,第二个参数不需要手动录取，直选选中区域即可

VLOOKUP函数：查找与匹配，在表格首列查找指定的数据，并返回指定的数据所在的行中的指定的列所处的单元
VLOOKUP匹配函数的使用：（要在表格第一列查找的值，包含数据的单元格区域，可以使用绝对区域或区域名称的引用，希望返回匹配值的序列号，1，返回第二个参数第一列的值，依次类推，近似匹配1，还是相似匹配0，一般为0）
出现错误标识#N/A
1.函数第二个参数的第一列的值可能不是要查找的值
2.数据存在空格（可以使用TRIM函数批量删除）3.
数据类型或格式不一致，转为一致即可

4、数据计算
1.简单计算
加、减、乘、除
有时候数据表中的字段不能直接提取，但是可以通过计算的来
可以通过字段的 + - * / 的来
=B2+D3
如果求D2：D7之间的所有和
编辑选项卡--》自动求和--》求和--》Enter（还可以求平均数，最大值，最小值，计数等功能）

2.函数计算

• 平均值和总和
  AVERAGE()/SUM()，MAX、MIN等等····
  括号内时要计算的参数，之间用逗号隔开，可以是绝对值，单元格引用，区域或者定义的名称
• 对日期的操作
  输入日期：
  需要显示年-月-日 TODAY()函数或者CTRL+；
  或者单独显示时-分-秒使用 CTRL+shift+；
  一起显示年月日时分秒 使用NOW（）或者先按下CTRL+；-》空格--》CTRL+shift+；
  使用公式插入的时间是动态的，使用快捷键是静态的
  日期的加减
  如果是简单的加减天数
  直接使用=A2+5，直接对天数操作
  如果是复杂情况，使用DATE函数
  =DATE（YEAR（A2）+3，MONTH(A2)+1,DAY(A2)+5）
  计算相差天数
  DATTEDIF函数 （）
  三个参数（开始日期，结束日期，计算形式）
  Y：计算时段中的整年
  M：计算时段中的整月
  D:计算时段中的整天
  MD：日期中天数的差，忽略年和月
  YM：日期中月数的差，忽略年和日
  YD：日期中年份的差，忽略月和日

5.数据分组
主要使用VLOOKUP函数实现
准备数据，确定分组的范围和标准（阈值是分组范围中的最低值）--》输入函数VLOOKUP（A2,2:12,2）,并复制公式到你需要的地方
因为VLOOKUP最后一次参数省略，默认是近似匹配

6.数据抽样
问卷调查两种方式，普查和抽样（一般使用抽样）
RAND函数（），返回０～１随机值，但是保持函数编辑状态不变，按下Ｆ９，生成的随机数永远保存，且不反回新的值
如果要返回大于1的整数，写法就类似Java里的random函数
取整数＝INT（RAND（＊１０＋６０））整数的６０～７０随机数
随机完记得去重，如果样本不够，继续随机就好，直到满足要求