一、數據處理的內容
數據處理的內容主要有以下兩項：
1.數據清洗。將多餘重複的數據篩選出來，並剔除；將缺失的數據補足，將錯誤的數據糾正或刪除。
2.數據加工。對清洗過後的數據進行字段的信息提取、計算、分組、轉換等處理。
二、數據清洗
1.重複數據的處理
第一步，找出重複數據。
方法1：函數法
COUNTIF(range,criteria)，對區域中滿足單個指定條件的單元格進行計數。
- range：要計數的單元格範圍。
- criteria：計算條件，可以爲數字、表達式或文本，如32、>32或“三十二”。
在B2單元格輸入=COUNTIF(A:A,A2)，計算每一個員工編號出現的次數。
在C2單元格輸入=COUNTIF(A$2:A2,A2)，計算出現了兩次及以上的重複項。以C9對應的編號爲例，3表示從A1~A9，該編號是第3次出現。
方法2：高級篩選法
方法3：條件格式法
方法4：數據透視表
用數據透視表統計各項數據出現的頻次，出現2次及以上爲重複項。
第二步，刪除重複數據。
方法1：通過菜單操作刪除重複值
方法2：通過排序刪除重複值
選擇篩選功能，升序排序C列數據，刪除大於1的數值即可。
方法3：通過篩選刪除重複值
直接將篩選出來的重複值刪除即可。
2.缺失數據的處理
在Excel中，缺失值一般以空值或錯誤標識符標記。那麼，如何找出缺失值？
方法1：定位輸入
適用情況：缺失值以空白單元格形式出現。
彈出定位對話框：
1.Ctrl+G組合鍵
2.開始–>編輯–>定位條件
如何處理缺失值？
方法1：用一個樣本統計量的值代替缺失值。常用樣本均值代替缺失值。
方法2：用一個統計模型計算出來的值代替缺失值。常用的模型有迴歸模型、判別模型等，需藉助數據分析軟件。
方法3：刪除包含缺失值的數據記錄。
方法4：保留包含缺失值的數據記錄，分析時按需排除缺失值。
常用做法是，如果樣本量比較大，一般採用定位查找功能一次性選出所有缺失值，再用Ctrl+Enter組合鍵填充樣本均值。
方法2：查找替換
適用情況：缺失值以錯誤標識符形式出現。
以查找錯誤標識符“#DIV/0!”爲例：
1.選中所有數據區域，按Ctrl+H組合鍵，彈出“查找和替換”對話框。
2.在“查找內容”中輸入要搜索的文本或數字，在“替換爲”中輸入要替換成的內容，再單擊“全部替換”按鈕。
3.檢查數據邏輯錯誤
以員工滿意度問卷調查爲例，錯誤數據出現的情況有：
1.被調查對象輸入的選項不符合要求，比如，選擇的選項超過了3個。
2.錄入錯誤，比如，錄入的數據出現了0、1之外的數據。
如何檢查錯誤？
方法1：用IF函數檢查錯誤情況1.
COUNT，計數。
COUNTIF，對滿足指定條件的單元格進行計數。比如，COUNTIF(B3:H3,"<>0")表示“對B3:H3區域中不等於0的單元格進行計數”。
IF，判斷邏輯值的真假。比如，IF(COUNTIF(B3:H3,"<>0")>3,"錯誤","正確")表示“如果錄入的選項超過3個，則單元格顯示’錯誤’，否則，顯示’正確’”。
方法2：用條件格式檢查錯誤情況2.
OR，或，至少一個爲真，就範圍TRUE。
AND，和，所有參數都爲真，才返回TRUE。
三、數據加工
1.數據抽取
數據抽取，指保留某些字段的部分信息，組合成一個新字段。
1.字段分列，截取某一字段的部分信息；
2.字段合併，將某幾個字段合併爲一個新字段；
3.字段匹配，將原數據表中沒有但其他表中有的字段匹配起來。
字段分列
方法1：菜單法。
方法2：函數法。
LEFT，截取字符串左邊指定個數的字符。
RIGHT，截取字符串右邊指定個數的字符。
字段合併
組合文本和數字的方式有：
1.CONCATENATE函數，如CONCATENATE(A2,"遲到",B2,"次")。
2.&運算符，如A2&“遲到”&B2&“次”。
**作用：**在使用連接運算符連接數字和文本時，控制數字的顯示方式。如果不用TEXT函數，則默認顯示引用單元格的基本數據。比如，若單元格中數據爲10%，不使用TEXT函數，合併後的數據則顯示爲0.1。
**注意：**合併數字和文本後，數據類型爲文本，不能做數學運算。
字段匹配
如何將員工職位表中的職務信息提取到員工個人信息（銷售部）表中？
1.在“員工個人信息（銷售部）”表中F2單元格中輸入=VLOOKUP(B2,[員工職位表.xlsx]Sheet1!$B$1:$D$11,3,0)。
2.複製單元格F2到F3:F7，完成數據提取。
作用：在表格的首列查找指定的數據，並返回指定的數據所在行中的指定列出的單元格內容。
- lookup_value：要在表中第一列查找的值，參數可以是值或引用。
- table_array：包含數據的單元格區域，可以是絕對區域或區域名稱的引用。
- col_index_num：1，表示返回匹配值的列號，即返回table_array第一列中的值；2，表示返回匹配值的列號，即返回table_array第二列中的值，以此類推。
- range_lookup：近似匹配1，精確匹配0，常用0.
注意：table_array第一列的值必須是要查找的值（lookup_value），否則會出現錯誤標識“#N/A”。出現“#N/A”其他情況還有：
1.數據存在空格，可以用TRIM函數批量刪除空格。
2.數據類型或格式不一致。
2.數據計算
2.1 簡單計算
簡單計算，能通過加減乘除計算出來的字段。
如下圖，銷售額=銷售數量*單價，總銷售額=∑各產品銷售額。
2.2 函數計算
1.平均值與總和
AVERAGE()：求平均值。
SUM()：求和。
2.日期的加減法
輸入當前系統時間/日期;
| 日期 | 公式 | 快捷鍵 |
|---|---|---|
| 2020/1/1 | =TODAY() | Ctrl+; |
| 13:39 | Ctrl+Shift+; | |
| 2009/1/1 | =NOW() | 1.Ctrl+; 2.按空格鍵 3.Ctrl+Shift+; |
DATE(year,month,day)，返回指定日期。
YEAR()，返回某日期對應的年份。
MONTH()，返回以序列號表示的日其中的月份，用整數1~12表示。
DAY()，返回以序列號表示的日期的天數，用整數1~31表示。
DATEIF(start_date,end_date,unit)，返回兩個日期之間的年/月/日間隔數。unit有Y/M/D/YM/YD六種形式。
3.數據轉換
3.1 數據表的行列互換
方法1：選擇性粘貼。
方法2：Ctrl+Alt+V
3.2 多選題幾種錄入方式之間的轉換
多選題的兩種錄入方式：
1.二分法，各選項用0和1表示該選項是否被錄入。
2.多重分類法，直接錄入選項的額代碼。只能在SPSS裏分析。
下圖左邊多重分類法中的“選項一”“選項二”“選項三”是多選題中選擇的三個選項，比如，被調查者甲選的是A、B、C，那麼B2:D2的單元格中分別輸入1,2,3。
VLOOKUP，按列查找。
HLOOKUP(lookup_value,table_array,col_index_num,range_lookup)，在表格的首行查找指定的數據，並返回指定的數據所在列中的指定行處的單元格內容。比如，HLOOKUP(1,B5:D5,1,0)表示“在B5:D5區域的第一行中查找數值1，找到數值1所在的列，返回該列對應的單元格區域的第一行數據，並精確匹配，否則，返回’#N/A’”。
多重分類法轉換爲二分法錄入數據，用SEARCH函數代替HLOOKUP函數。
| 函數/參數 | 含義 |
|---|---|
SEARCH(find_text,within_text,start_num) |
返回指定的字符串在原始字符串中首次出現的位置 |
find_text |
要查找的文本字符串 |
within_text |
要在哪一個字符串查找 |
start_num |
從within_text的第幾個字符開始查找 |
例子如下，SEARCH("1",A4)表示在A4單元格的字符串中查找1。
4.數據分組
分組對應表如下圖右表所示，用來確定分組的範圍和標準。“閾值”，是每組覆蓋的數值範圍中的下限。“分組”，是每一組的組名。“備註”，是分組標準。
使用VLOOKUP實現數據分組，省略了最後一個參數range_lookup，默認近似匹配。這樣，單元格B2公式不是在D列中查找0，而是查找接近A2，且不大於A2的值。“最接近且不大於”，如A5(=5.5)，閾值中最接近A5且小於或等於A5的值是D2(=5)，則對應的E2就是A5的分組。
四、數據抽樣
普查，對總體中的對象都進行觀察研究。
抽樣調查，從總體中隨機抽取部分樣本進行分析。
RAND()，只能返回0~1之間的數。如要生成a ~ b之間的隨機數，用公式=RAND()*(b-a)+a。
假設B列有表示100個人的編號（無表頭），要隨機抽取30個人，步驟如下：
1.對100個人生成不重複的序號，A1=1，A2=A1+1，……，A100=A99+1。
2.隨機生成30個1~100的隨機數，將公式=INT(RAND()*100複製到D列的30個單元格中。
3.參照A、B列，將D列隨機數對應的編號匹配到E列中，將公式=VLOOKUP(D1,$A:$B,2,0)複製到E列的30個單元格中。
4.對抽取出來的編號去重，重複上述步驟，直到抽到了30個編號不重複的人。