Excel数据处理（缺失值/重复值/异常值/拆分）
6月12日给你们讲解了一下数据获取的东东（时隔略久，忘记的请点击数据获取回顾），时隔一个月，接着咱们的 用Excel进行数据分析系列 的第二篇：数据处理。文末有获取本篇实例数据的方法。
app
目录：ide
1、缺失值函数
一、筛选
网站
二、定位空值
spa
三、缺失值的处理
3d
四、实例
orm
2、重复值blog
一、countif函数
token
二、条件格式
图片
三、数据透视表
3、异常值
一、异常值的判断
二、实例
4、字段拆分
一、分列
二、文本函数
三、实例
正文开始：
爬取了某招聘网站关于数据分析的职位的信息进行数据处理的实例讲解
原始字段：
岗位：岗位名称
地址：地市+区
薪资：薪资+X年经验+学历
薪资2：薪资
公司：公司名称
公司概况：公司所属行业+规模+人数
1、缺失值
缺失值即数据值为空，或为NULL等，寻找缺失值有不少方法，这里提供筛选和定位空值两个思路。
一、筛选
咱们发现学历一栏里是有空值的，寻找空值的方法不少，这里提供两个方法，一个是直接筛选，在Excel里对于数据量较少的状况下筛选空值是颇有效的一个方法，数据——筛选里能够找到，筛选的快捷键是“ctrl+L”.
二、定位空值
开始——查找——定位条件里选择定位空值，能够筛选出全部空值。
三、缺失值的处理
对于寻找到的缺失值咱们该如何处理呢，这得看实际的数据和业务需求了，通常来讲能够有如下3种处理方式，直接删除、保留和寻找替代值。
直接删除：直接删除的优势是删除之后整个数据集都变得完美了，都是有完整记录的数据，缺点是缺乏了部分样本可能致使总体结果的误差。对于有大量缺失值的在衡量利弊的状况下建议就直接删除了吧，缺失了大量关键数据的样本集统计起来也没有什么意义。
保留：保留缺失值，优势是保证了样本的完整，缺点是你得知道为何要保留，保留它的意义是什么，是什么缘由致使了值的缺失，是系统的缘由仍是人为的缘由，这种保留创建在缺失单个数据的状况下，且缺失值是有明确意义的。
寻找替代值：如用均值、众数、中位数等代替缺失值，优势是简单且有依据，缺点是可能会使缺失值失去其自己的含义。对于寻找替代值的除了统计学中经常使用的描述数据的值之外，还能够人为地去赋予缺失值一个具体的值。
四、实例
具体到本例中，学历为空的缺失值咱们若是直接删除，会发如今年限一栏里就少了应届毕业生这个变量了，因此不能直接删除。保留的话，按照常识，就算是应届毕业生也应该有相应的学历，是什么应届，高中？大专？本科？硕士？因此保留也不行。那要就寻找替代值了，咱们发现学历里的变量有大专、本科、硕士、不限，这些是类别变量，若是取众数来替代空值的话，那应届毕业生的学历应该填本科，但咱们经过分析薪资和年限发现，填本科好像不太对，学历本科，年限一年如下的薪资在4K-8K之间，而应届毕业生的薪资在10-15K，说明这个应届毕业生的学历要比本科高比硕士低，依据常识推断此处空值可填本科双学位。
能够直接筛选出来填，也能够定位空值填，此处以定位空值批量填写为例，定位好空值后直接在单元格内输入“本科双学位”，此时先不要急着回车，批量填写时要“ctrl+回车”。
2、重复值
获取数据源的时候可能由于各类缘由会致使获取到彻底重复的数据，对于这样的数据咱们不必进行重复统计，所以须要找出重复值并删除，这里也提供3种寻找重复值的思路：countif函数、条件格式和数据透视表。
一、countif函数
还记得countif函数吗，按条件统计个数，模板：countif(区域，条件)，这里countif（I:I,I2），统计I2单元格在I列里出现的次数，以此类推，结果为1的是出现了1次，为2是出现了2次。这样就能够统计重复出现的公司了，对于公司等招聘条件都重复的能够删除。
二、条件格式
开始——条件格式——突出显示单元格的规则——重复值，将重复值直接以红色底色显示出来。
三、数据透视表
数据透视表能够直观地统计出每一个变量出现的次数，行标签是公司，以公司进行计数统计。
对于重复值的处理，就两个字：删除。
3、异常值
一、异常值的判断
对异常值的判断除了依靠统计学常识之外就是对业务的理解。若是某个类别变量出现的频率很是少，或者某数值型变量相对业务来讲太异常的能够判断为异常值。对异常值的处理就直接删除好了。
二、实例
在本例中，咱们对薪资下限升序排列，发现了一个薪资区间在1-1K的，但由于深圳的基本工资为2200元，因此对于薪资上限小于2K的值咱们都断定为异常。
4、字段拆分
对于原始数据有些字段不是咱们想象中格式，所以要对这些字段作一些计算和处理，计算这里就不细说了，用函数搞定便可，这里主要讲解一下字段拆分的操做。
对于原始字段里的地址一栏，咱们想要将地市和区域分开，将一个字段分割成两个字段，这里介绍两种方式：分列和函数。
一、分列
以前讲到过度列的功能，数据——分列，观察数据发现，地市和区域之间以符号 “ · ” 区分，因此咱们也用该符号进行分列的标志，能够获得地市和区域分开的数据。
二、文本函数
可使用left、right以及find函数来实现字段分列的功能。观察发现，地市所有为两个字符，那么地市一栏咱们就能够用left函数取前两个字符便可获得。
区域字段理想状况下应该用right函数取后3位字符，但观察发现，有的区域是三个字符，有的是两个字符，那就不能直接用right函数取后3位了，应该取的是总字符个数减3个字符（没明白的再好好琢磨一下），RIGHT(B2,LEN(B2)-3)。
三、实例
这里咱们还要对薪资一栏进行处理，咱们想要把原始字段里的区间变量转换成薪资下限和薪资上限，为何要作这样一个处理呢？咱们在学Excel使用技巧的时候发现，其实把几个字段合并起来是很是容易的，但想要把一个字段拆分红几个咱们想要的字段实际上是很困难的，有规律的还好咱们用分列+公式也能解决，规律不明显的就无法处理了。因此在录入Excel表的时候，也建议小伙伴们本着最简化的原则去录入，一个单元格里能少放就不要多放，好比地址：深圳市福田区上梅林XX大厦，你就把它分红三个单元格录入最好，深圳市，福田区，上梅林XX大厦，这也是给统计的人以方便，人家想合并几秒就能合并，想拆分还得写上一大堆公式，还不必定能拆分出来否。
好，咱们先来看看分列能不能完成，分割符号是-，最后分列完是BC列显示的，数据+单位的形式（13K），咱们在作Excel数据表统计的时候数值一般是不带单位的，由于你带上个单位这个单元格的值就变成了文本形式，无法作数值统计，因此咱们还要把K这个单位去掉，这很简单了，咱们用LEFT(B2,LEN(B2)-1)公式，
这是先分列再公式，可能有人会以为繁琐，接下来，咱们直接上公式。=LEFT(A2,FIND("k",A2)-1)，高效，就看你对公式的掌握了。先find找k是第几个值，find后的结果是数到k，多是3也多是2，，而后left左取3-1（2-1）。