T1.3 Excel-Data Cleansing

数据清洗

查重去重

缺失值定位与处理

检测数据逻辑

3.1 查询重复数据

A 函数法： COUNTIF(range,criteria)

重复标记：

在C列中CX—共重复出现了几次

第二次重复标记：

在C1到CX中CX出现了几次

B 高级筛选法（去重优选2） ☆☆☆☆

【数据】——【筛选-高级】 选中区域必须包含变量名，复制到的区域选择起始位置即可，会生成新变量

C 条件格式法（查重优选） ☆☆☆☆

【条件格式】——【突出显示单元格规则】——【重复值】

D 数据透视表法

会默认第一个值为变量名，不参与统计：选中区域须包含变量名 分别拉动目标变量到【行标签】、Σ数值 计数就是频次，频次超过1的就是重复项

3.2 删除重复数据

A 菜单栏删除

【数据】——【删除重复项】 如果有多个变量要扩展，确认选中区域是否包含变量名 不会生成新变量

3.3 缺失值处理

A 常见方式

a. 用样本统计量的值代替缺失值，如Mean

b. 用统计模型计算出来一个值代替缺失值，如回归模型

c. 删除含缺失值的Case

d. 不作处理，在分析时排除含缺失值的个案

                                 ——适用于【样本量大】+【缺失值少】+【变量之间无高度相关】

B 定位输入

定位：Ctrl+G

【编辑】——【查找和选择】——<定位条件>——<空值>——选中所有空值

输入：Ctrl+Enter

选中之后输入“XX”，然后按Ctrl+Enter，所有选中单元格都输入了XX

C 查找替换

查找：Ctrl+F

替换：Ctrl+H

定位：Ctrl+G

3.4 检查数据逻辑错误

A 利用IF函数检查错误——“最多选择3项”

如果B2：G2中不为0的值超过3个，则返回false,反之返回true

 B 利用条件格式标记错误——“只能出现0/1两个值”

选中目标区域——【条件格式】——【突出显示单元格】——【其他规则】