数据分析基础课程数据的处理

首先来解决如何发现缺失数据，仅靠眼睛来搜索缺失数据显然是不现实的，一般我们用 “定位条件”来查找缺失数据的单元格。下面演示将“年龄”字段中的空值均替换为“18”。
（1）选择“年龄”所在的E列。 （2）选择“查找和选择”|“定位条件”命令，如图3-6所示。 （3）在“定位条件”对话框中，选中“空值”单选项，如图3-7所示。
目录/Contents
第三章 数据的处理
3.1 数据清洗 3.2 数据的来源 3.3 数据的修整
3.1 数据清洗
数据清洗就是将格式错误的数据进行处理纠正，将 错误的数据纠正或删除，将缺失的数据补充完整，将 重复多余的数据删除。
3.1.1 数据一致性处理 通过统计调查收集上来的数据，经常会出现同一字 段的数据格式不一致的问题，如图3-1所示。 这会直接影响后续的数据分析，所以必须对数据的 格式做出一致性处理。
3.2.5 数据计算 例1：文件“数据处理.xlsx”的“数据计算1”工作表中只有“销量”和“单价”，没有“销
售额”，可以通过公式“销售额=单价×销量”来计算销售额，如图3-23所示。
图3-23 计算销售额
例2：文件“数据处理.xlsx”的“数据计算2”工作表中只有“成交单数”和“好评单数”，
图3-6 选择“定位条件”命令
图3-7 选择定位条件“空值”
（4）单击“确定”按钮后，E列所有的空白单元格呈选中状态，如图3-8所示。 （5）输入替代值“18”，按Ctrl+Enter组合键确认，结果如图3-9所示。
图3-8 查找到所有空白单元格
图3-9 统一输入新的数据
3.1.3 删除重复记录 删除重复记录的操作极其简单，只需单击数据表的任意位置，再单击“数据”|“删除重复项” 按钮即可，如图3-10所示。
图3-10 删除重复项
3.2 数据加工
数据加工的手段主要有数据转置、字段分列、字段 匹配、数据抽取、数据计算。
3.2.1 数据转置 操作的方法是：先复制好横行数据，然后在粘贴时 单击“开始”|“剪贴板”组“粘贴”按钮下面的三角 箭头，单击“转置”按钮即可，如图3-11所示。
图3-11 转置性粘贴
3.2.2 字段分列 （1）选择“字段分列”工作表的A列数据，如图3-12所示。 （2）单击“数据”|“分列”按钮，如图3-13所示。
图3-18 “全校名单”工作表
图3-19 “四级名单”工作表
（1）将“白有成”的身份证号码匹配到单元格D2。 （2）双击D2的填充柄完成填充，将所有人的身份证号码都匹配过来，结果如图3-21所示。
搜索的关键字
搜索的区域 返回值所在的列数
此处解释有误，应该是 false 为 精确匹配，true 为大致匹配
图3-15 确定分列位置
图3-16 确定目标区域
（6）单击“完成”按钮，分列的结果如图3-17所示。
图3-17 分列结果
3.2.3 字段匹配 字段匹配就是将原数据清单中没有但其他数据清单中有的字段匹配过来。 例如，文件“数据处理.xlsx”中的“全校名单”工作表是某校2015级全体学生的基本信息 （见图3-18），“四级名单”工作表是2015级学生中报考了英语四级的学生名单（见图3-19）。
可以通过公式“好评率= 好评单数 100% ”来计算好评率，如图3-24所示。 成交单数
图3-24 计算好评率
例3：文件“数据处理.xlsx”的“数据计算3”工作表中，已知商品的“上架日期”和“下架 日期”，可以通过公式“销售天数=下架日期-上架日期”来计算商品的销售天数，如图3-25 所示。
图3-25 计算销售天数
图3-27 计算销售年数
这样计算出来的年数通常是一个小数，如果希望得到整数，可以用int函数取整，即用公 式“=int(D2/360)”，结果是3，如图3-28所示。
因为int函数的功能是返回不大于括号内参数的整数。
图3-1 数据格式不一致的资料
下1面.1就数以字图通3-信1所系示统的的数基据本为概例念，将“身高”这个字段中的数据去掉字符“cm”。 打开Excel文件“数据处理.xlsx”，找到“数据清洗”工作表。
（1）把鼠标指针移到字母C上，当指针变成 时，单击选择C列，如图3-2所示。 （2）选择“查找和选择”|“替换”命令，如图3-3所示。
图3-20 vlookup函数的参数设置
图3-21 匹配结果
3.2.4 数据抽取 数据抽取是指利用原数据清单中某些字段的部分信息得到一个新字段。 常用的数据抽取函数有left()、right()、mid()、year()、month()、day()、weekday()。
图3-22 weekday函数应用
例4：文件“数据处理.xlsx”的“数据计算4”工作表中，已知商品的“上架日期”，要计算 迄今为止的上架天数，可以用函数today来获取当天的日期，用公式“=today()-B2”来计算 上架天数，如图3-26所示。
图3-26 计算上架天数
例5：文件“数据处理.xlsx”的“数据计算3”工作表中，可以用公式“=D2/360”计算销售 年数，结果为3.6，如图3-27所示。
图3-12 选择A列
图3-13 数据分列
（3）要将字段“姓名”中的第一个字分列出来，所以选中“固定列宽”单选项，如图3-14 所示。
图3-14 选中“固定列宽”单选项
（4）单击“下一步”按钮，在刻度尺上单击鼠标确定分列的位置，如图3-15所示。 （5）单击“下一步”按钮，确定目标区域的起点单元格D1，如图3-16所示。
图3-2 选择C列
图3-3 ห้องสมุดไป่ตู้择“替换”命令
（3）在“查找和替换”对话框的“查找内容”中 输入“cm”，设置“替换为”为空，单击“全部替换” 按钮完成替换，如图3-4所示。
替换后的结果如图3-5所示。
图3-4 输入查找内容和替换内容
图3-5 替换后的结果
3.1.2 缺失数据的处理 数据清单中，单元格如果出现空值，就认为数据存 在缺失。缺失数据的处理方法通常有以下3种： ➢ 用样本均值（或众数、中位数）代替缺失值； ➢ 将有缺失值的记录删除； ➢ 保留该记录，在要用到该值做分析时，将其临 时删除（最常用方法）。