第四章 數(shù)據(jù)處理
前面說了炭剪，在進行數(shù)據(jù)分析前要對我們的數(shù)據(jù)進行處理胎撤，處理是分析前很重要的工作
1. 數(shù)據(jù)分析人應(yīng)該有的心態(tài)：“三心二意”
信心：在沒有看到任何積極反饋信息時，依然充滿信心闻鉴，堅持前行
細心：在歷史上無數(shù)事例告訴我們一個小數(shù)點可能引起一場大災(zāi)難敏晤，1%的錯誤＝100%的錯誤，所以一定要細心威根，對于某些差異性較大的數(shù)據(jù)要有敏感心
平常心：爭取做到“眾人皆醉我獨醒凤巨，眾人皆濁我獨清”，寧靜致遠洛搀，洞悉事物本質(zhì)敢茁，做事實事求是
誠意：嚴謹真誠
合意：分析的結(jié)果要滿足相關(guān)需求人員的滿意，達到他們的分析目的留美。這就說明在分析前就要清楚他們需要什么彰檬，隨時向他們反映分析的細節(jié)和進度，以便隨時溝通了解需求
2.第一步：數(shù)據(jù)清洗
數(shù)據(jù)處理中独榴，先要對數(shù)據(jù)進行清洗僧叉，包括三步：去重／補缺／檢查邏輯
去重：找到多余重復(fù)的數(shù)據(jù)刪除，這里先說如何找到重復(fù)數(shù)據(jù)
找重法1）函數(shù)法：識別重復(fù)數(shù)據(jù) 使用Excel里的countif函數(shù)對滿足耽擱條件的單元格計數(shù)
countif(range,criteria),兩個參數(shù)為要計數(shù)的單元格棺榔，計數(shù)條件
法2）高級篩選：直接利用［數(shù)據(jù)］中的［排序和篩選］中［高級］選擇［選擇不重復(fù)的記錄］
法3）條件格式：Excel 里設(shè)置了標(biāo)識重復(fù)值的功能瓶堕，［開始］中的［條件格式］中的［突出單元格規(guī)則］中選［重復(fù)值］
法4）數(shù)據(jù)透視表：將要查的屬性放入行標(biāo)簽，再放入值標(biāo)簽就可以看到重復(fù)的數(shù)據(jù)
刪重法1）利用菜單：［數(shù)據(jù)］中的［刪除重復(fù)項］
法2）通過排序：利用函數(shù)識別出重復(fù)值后針對計數(shù)行排序后刪除重復(fù)［開始］里的［編輯部分］的［排序與的篩選］
法3）通過篩選症歇，基本操作大致同上
補缺：一般我們要使用定位輸入郎笆，先用定位輸入找出缺失值為空的單元格，則利用”定位輸入”找到所有空白的單元格忘晤，［開始］中的［編輯］中單擊下拉里的［定位條件］中的［空值］找到所有空值宛蚓，可以通過4種方法處理缺失
法1）：用一個樣本統(tǒng)計量的值代替缺失，一般使用樣本的平均值
法2）：用一個統(tǒng)計模型計算出值代替缺失设塔，常用模型為“回歸模型凄吏，判別模型”，使用專業(yè)的分析軟件
法3）：刪除缺失值記錄（會減少樣本量）
法4）：將所有的缺失的記錄保留，僅在相應(yīng)的分析中做必要的排除痕钢，變量間邏輯關(guān)系簡單图柏，缺失值較少時可以使用
此時定位出所有缺失值，在其中一個單元格輸入平均值任连，然后ctrl＋enter直接一次填入所有的缺失單元格
查找ctrl＋F 替換ctrl＋H
檢查邏輯：錯誤數(shù)據(jù)分為：輸入錯誤／錄入錯誤
對于錯誤數(shù)據(jù)蚤吹，首先利用if檢查，錯誤數(shù)據(jù)返回“false”正確數(shù)據(jù)返回“true",再利用［條件格式］檢查第二類錯誤随抠，如輸入的數(shù)字只能為“0”裁着，“1”，錄入其他數(shù)字拱她，將單元格突出
if（logical_test,value_if_true,value_if_false)二驰，第一個參數(shù)表示表達式，第二個結(jié)果“真”返回值椭懊，第三個為結(jié)果“假”返回值
檢查邏輯錯誤诸蚕，[開始］中的［條件格式］中的［突出單元格］的［其他規(guī)則］的［使用公式確定單元格］中輸入“＝or函數(shù)（）＝false”判斷步势，意思是如果單元格的值不是不啦不拉氧猬，就突出單元格
or(logical1,logical2，...)
and(logical1,logical2,...)
