《誰說菜鳥不會資料分析》學習筆記2_學習筆記

一、資料清洗

1.重複資料的處理

（1）countif函數構造輔助列

對c列進行篩選，選出非1的，然後刪除，就可以留下非重複項；

或者對c列進行降序排序，然後刪除前幾行非1的

（2）Excel進階篩選

（3）條件式格式設定：突出重複值

（4）樞紐分析表：計數

（5）Excel重複資料刪除項

2.填充缺失的資料

（1）如果缺失值過多，說明存在問題，可以接受的缺失值在10%以下

（2）處理趨勢值的四種方式：

    a.用樣本統計的平均值替代

    b.用統計模型計算出來的值替代

    c.將有缺失值的記錄刪除

    d.將有缺失值得記錄保留

（3）缺失值主要有兩種：空值和錯誤標識符

    a.空值：ctrl+G，定位空值，直接輸入要替換的值，按ctrl+enter,所有的空值的部分都被填充上了剛剛輸入的值

    b.錯誤標識符：Excel尋找替換

 PS.shift連續選中，ctrl不連續選中

3.檢測邏輯錯誤的資料

根據具體情況來

圖中背景是一份調查問卷的一道題的選項，這道題為多選且只能選擇3個，0沒選，1選了

圖中用了兩個方法

方法一是數出每一行中被選擇即被標記為1的選項總數，如果超過3個，則標記為錯誤

方法二是利用條件式格式設定選出0和1之外的非法數字，用到了or函數，=or（b3=1,b3=0）=false，表示如果“b3為1或0”的命題是錯誤的（=false）,即b3既不是0也不是1，那麼就會被突出標記出來

二、資料加工

1.資料幫浦

（1）欄位分列

a.Excel分列功能

b.left函數right函數

（2）欄位合并：&和CONCATENATE函數

（3）欄位匹配

vlookup:對列進行匹配

vlookup(參數1，參數2，參數3，參數4)

參數1：被搜尋地區

參數2：搜尋地區。注意被搜尋地區一定要在搜尋地區的第一列，也就是參數1所在的列，一定要位於參數2搜尋地區的第一列

參數3：返回的序號從1開始

參數4：0/false表精確匹配，1/true表模糊比對，預設值為模糊比對

2.資料計算

（1）簡單計算：+-*/

（2）Function Compute

a.sum和average

b.日期相關

3.資料分組

閾值為在D列中尋找最接近A2又不大於A2的值，閾值為下限

4.資料轉換

（1）資料表的行列轉換：轉置

（2）多選題錄入方式之間的轉換

hlookup:按行匹配

isnumber:是否是數值

search:搜尋函數

三、資料抽樣

rand函數：返回[0,1]之間的小數