大數(shù)據(jù)分析方法與應(yīng)用 課件 第2章 數(shù)據(jù)分析基礎(chǔ)

大數(shù)據(jù)分析方法與應(yīng)用第2章數(shù)據(jù)分析基礎(chǔ)2.1數(shù)據(jù)的類(lèi)型與分布目錄CONTENTS2.2變量之間的關(guān)系第2章數(shù)據(jù)分析基礎(chǔ)2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.4數(shù)據(jù)的輸入2.1數(shù)據(jù)的類(lèi)型與分布

數(shù)據(jù)的類(lèi)型定性數(shù)據(jù)（也稱(chēng)為名義數(shù)據(jù)）是一種用于描述各種類(lèi)別或?qū)傩缘臄?shù)據(jù)。定量數(shù)據(jù)是以數(shù)字表現(xiàn)的數(shù)據(jù)，它可以被測(cè)量、計(jì)算和比較。數(shù)據(jù)的收集方式（數(shù)據(jù)收集方式會(huì)影響數(shù)據(jù)的分布特征）

截面數(shù)據(jù)（Cross-sectionaldata）是指在同一時(shí)間點(diǎn)上對(duì)某個(gè)總體進(jìn)行測(cè)量所得到的數(shù)據(jù)。時(shí)間序列數(shù)據(jù)（Time

series

data）是一種按時(shí)間順序排列的觀測(cè)值的集合，這些觀測(cè)值通常時(shí)間間隔采集。2.2變量之間的關(guān)系協(xié)方差（Covariance）是描述兩個(gè)隨機(jī)變量之間關(guān)系的統(tǒng)計(jì)量。它用于衡量?jī)蓚€(gè)變量在同一時(shí)間段內(nèi)的變動(dòng)趨勢(shì)是否同向或相反。當(dāng)協(xié)方差為正值時(shí)，表示兩個(gè)變量呈正相關(guān)關(guān)系，即當(dāng)一個(gè)變量增大時(shí)，另一個(gè)變量也可能會(huì)增大。當(dāng)協(xié)方差為負(fù)值時(shí)，表示兩個(gè)變量呈負(fù)相關(guān)關(guān)系，即當(dāng)一個(gè)變量增大時(shí)，另一個(gè)變量可能會(huì)減小。當(dāng)協(xié)方差接近于零時(shí)，表示兩個(gè)變量之間沒(méi)有線性關(guān)系。協(xié)方差只能描述變量之間的線性關(guān)系，并不能確定其因果關(guān)系。2.2.1協(xié)方差相關(guān)系數(shù)（Pearsoncorrelationcoefficient）是一種用于衡量?jī)蓚€(gè)變量之間線性關(guān)系強(qiáng)度和方向的統(tǒng)計(jì)量。相關(guān)系數(shù)用希臘字母ρ表示，取值范圍為[-1,1]。相關(guān)系數(shù)定量地刻畫(huà)了X和Y的相關(guān)程度，即|ρxy|越大，相關(guān)程度越大；|ρxy|=0對(duì)應(yīng)相關(guān)程度最低。相關(guān)系數(shù)是一種非參數(shù)統(tǒng)計(jì)量，不受變量分布形狀的影響，適用于各種分布。其中2.2變量之間的關(guān)系2.2.2相關(guān)系數(shù)散點(diǎn)圖是描述變量關(guān)系的一種直觀方法，可以從散點(diǎn)圖中直觀地看出兩個(gè)變量之間是否存在相關(guān)關(guān)系、是正線性相關(guān)還是負(fù)線性相關(guān)，也可以大致看出變量之間關(guān)系強(qiáng)度如何，但是對(duì)于具體關(guān)系強(qiáng)度則需要相關(guān)系數(shù)來(lái)判斷。2.3數(shù)據(jù)的可視化——基于Excel的應(yīng)用2.3.1散點(diǎn)圖【例2-1】廣告業(yè)近年來(lái)得到廣泛應(yīng)用，尤其在產(chǎn)品推廣中發(fā)揮了巨大作用，也影響著產(chǎn)品的銷(xiāo)售收入，因此了解廣告費(fèi)對(duì)銷(xiāo)售收入的影響至關(guān)重要。某公司銷(xiāo)售額和廣告費(fèi)用的數(shù)據(jù)如表2-1所示。表2-1某公司銷(xiāo)售額和廣告費(fèi)用廣告費(fèi)用（萬(wàn)元）銷(xiāo)售額1052126015701877208223942.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.1散點(diǎn)圖1）打開(kāi)Excel表格，選中需要制作散點(diǎn)圖的數(shù)據(jù)單元格，單擊“插入”菜單下的散點(diǎn)圖。繪制廣告費(fèi)用對(duì)銷(xiāo)售收入的影響情況的散點(diǎn)圖2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.1散點(diǎn)圖2）選中“XY散點(diǎn)圖”，然后界面右側(cè)會(huì)顯示很多的散點(diǎn)圖，選擇一個(gè)合適的，單擊確定。3）單擊“圖表標(biāo)題”，輸入標(biāo)題名稱(chēng)。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.1散點(diǎn)圖4）在圖表空白處單擊選中圖表，然后單擊右上角的“+”號(hào)，勾選“數(shù)據(jù)標(biāo)簽”，這樣每個(gè)散點(diǎn)圖數(shù)據(jù)點(diǎn)上都會(huì)顯示數(shù)值，單擊“趨勢(shì)線”，還能添加趨勢(shì)線?？梢园l(fā)現(xiàn)銷(xiāo)售額和廣告費(fèi)用之間呈現(xiàn)一種線性關(guān)系，即隨著廣告費(fèi)用的增加，銷(xiāo)售額也會(huì)增加。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.1散點(diǎn)圖【例2-2】三大產(chǎn)業(yè)的發(fā)展對(duì)我國(guó)經(jīng)濟(jì)發(fā)展有著舉足輕重的作用，通過(guò)柱形圖和折線圖表示三大產(chǎn)業(yè)在2019-2022年的增加值，可以直觀看出這四年的變化情況。我國(guó)2019－2022年第一、第二和第三產(chǎn)業(yè)增加值如表2-2所示。表2-2我國(guó)2019－2022年第一、第二和第三產(chǎn)業(yè)增加值年份第一產(chǎn)業(yè)增加值第二產(chǎn)業(yè)增加值第三產(chǎn)業(yè)增加值201970,467386,165534,233202077,754384,255553,977202183,086450,904609,680202288,345483,164638,6982.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖1）打開(kāi)Excel，選擇相關(guān)數(shù)據(jù)，選定插入，單擊“柱狀圖形”。繪制我國(guó)2019－2022年第一、第二和第三產(chǎn)業(yè)增加值變化的柱形圖2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖2）選擇一種柱形圖，單擊確定。3）單擊“圖表設(shè)計(jì)”菜單項(xiàng)，在“圖標(biāo)布局”和“圖表式樣”中選擇需要的布局和式樣。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖4）如果選擇有圖表標(biāo)題和坐標(biāo)軸標(biāo)題的布局，則得到如下的圖表。單擊標(biāo)題可以修改標(biāo)題文本。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖5）修改橫坐標(biāo)軸。右鍵單擊橫坐標(biāo)，單擊選擇數(shù)據(jù)，在水平（分類(lèi)）軸標(biāo)簽下單擊編輯，選擇需要顯示的橫坐標(biāo)數(shù)據(jù)，單擊確定。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖6）得到最終的柱狀圖。通過(guò)比較不同柱子的長(zhǎng)度，可以快速看出哪個(gè)類(lèi)別或時(shí)間段的數(shù)據(jù)更大或更小。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖1）打開(kāi)Excel，選擇相關(guān)數(shù)據(jù)，選定插入，單擊“折線圖形”。單擊標(biāo)題可以修改標(biāo)題文本。繪制我國(guó)2019－2022年第一、第二和第三產(chǎn)業(yè)增加值變化的折線圖2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖2）修改橫坐標(biāo)軸。右鍵單擊橫坐標(biāo)，單擊選擇數(shù)據(jù)，在水平（分類(lèi)）軸標(biāo)簽下單擊編輯，選擇需要顯示的橫坐標(biāo)數(shù)據(jù)，單擊確定。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖3）得到數(shù)據(jù)最終的折線圖。折線圖通常由一系列數(shù)據(jù)點(diǎn)連接而成，表示數(shù)據(jù)隨時(shí)間或某一變量變化而變化的趨勢(shì)。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.2柱形圖和折線圖2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.3數(shù)據(jù)透視表數(shù)據(jù)透視表是一種數(shù)據(jù)分析工具，用于對(duì)大量數(shù)據(jù)進(jìn)行匯總、整理和分析。它以電子表格的形式展示數(shù)據(jù)，通過(guò)行和列的組合來(lái)提供多維度的統(tǒng)計(jì)信息。數(shù)據(jù)透視表有以下幾個(gè)主要功能：1）匯總數(shù)據(jù)通過(guò)將數(shù)據(jù)按照不同的維度進(jìn)行分組，數(shù)據(jù)透視表可以將大量數(shù)據(jù)匯總并顯示總計(jì)、平均值、最大值、最小值等統(tǒng)計(jì)指標(biāo)。2）過(guò)濾數(shù)據(jù)數(shù)據(jù)透視表可以根據(jù)特定的條件篩選數(shù)據(jù)，只顯示符合條件的記錄，從而更精確地進(jìn)行數(shù)據(jù)分析。3）重新排序通過(guò)拖動(dòng)字段或更改字段順序，可以動(dòng)態(tài)調(diào)整數(shù)據(jù)透視表中的數(shù)據(jù)展示方式，使其更符合分析需求。4）數(shù)據(jù)透視圖數(shù)據(jù)透視表可以將數(shù)據(jù)以交叉表格的形式展示，清晰直觀地呈現(xiàn)不同維度之間的關(guān)系，幫助用戶(hù)發(fā)現(xiàn)數(shù)據(jù)中的模式、趨勢(shì)和異常情況。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.3數(shù)據(jù)透視表【例2-3】以銷(xiāo)售月表為例，表中記錄了訂單號(hào)、訂單日期、訂單金額、銷(xiāo)售人員和銷(xiāo)售人員部門(mén)，如下表2-3所示。表2-3銷(xiāo)售月表訂單號(hào)訂單日期訂單金額銷(xiāo)售人員部門(mén)202305012023.8.17100,000Alan銷(xiāo)售1部202305022023.8.1720,000Lily銷(xiāo)售2部202305032023.8.185000Alan銷(xiāo)售1部202305042023.8.1930000Alan銷(xiāo)售1部202305052023.8.20200,000Tom銷(xiāo)售1部202305062023.8.2125,000Mike銷(xiāo)售2部202305072023.8.212,000Lily銷(xiāo)售2部202305082023.8.2250,000Helen銷(xiāo)售3部202305092023.8.2323,000Mike銷(xiāo)售2部2023050102023.8.2440,000Tom銷(xiāo)售1部2023050112023.8.2510,000Helen銷(xiāo)售3部2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用1）單擊插入，單擊數(shù)據(jù)透視圖。以銷(xiāo)售人員分類(lèi)查詢(xún)訂單總額2）選擇數(shù)據(jù)透視表，選中需要分析的數(shù)據(jù)區(qū)域。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.3數(shù)據(jù)透視表3）選擇需要添加到報(bào)表的字段—銷(xiāo)售人員和銷(xiāo)售金額，即顯示各銷(xiāo)售人員負(fù)責(zé)的訂單金額總計(jì)的情況。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.3數(shù)據(jù)透視表4）根據(jù)數(shù)據(jù)透視圖分析銷(xiāo)售人員、銷(xiāo)售金額和銷(xiāo)售部門(mén)之間關(guān)系通過(guò)使用數(shù)據(jù)透視表，用戶(hù)可以更加靈活和高效地對(duì)復(fù)雜的數(shù)據(jù)進(jìn)行分析和理解，快速找到有意義的數(shù)據(jù)洞察，并支持決策制定和問(wèn)題解決。2.3數(shù)據(jù)的可視化——基于Excel（2019）的應(yīng)用2.3.3數(shù)據(jù)透視表直接鍵盤(pán)輸入用自定義格式輸入LEFT用條件函數(shù)IF輸入用“有效性”工具輸入輸入序列用字符提取函數(shù)RIGHTMID輸入用查找函數(shù)VLOOKUP輸入等2.4數(shù)據(jù)的輸入2.4.1Excel數(shù)據(jù)的輸入方法1）單擊Excel菜單：“數(shù)據(jù)\數(shù)據(jù)驗(yàn)證”。2.4數(shù)據(jù)的輸入2.4.2數(shù)據(jù)有效性2）數(shù)據(jù)驗(yàn)證-設(shè)置日期驗(yàn)證條件。如果輸入的數(shù)據(jù)是2023年某高校大學(xué)生的出生年月，在“允許”下拉菜單中選定“日期”，輸入“開(kāi)始日期”和“結(jié)束”日期。2.4數(shù)據(jù)的輸入2.4.2數(shù)據(jù)有效性2.4數(shù)據(jù)的輸入

3）數(shù)據(jù)驗(yàn)證-設(shè)置文本長(zhǎng)度驗(yàn)證條件。如果輸入的數(shù)據(jù)是學(xué)生的身份證號(hào)碼，在“允許”下拉中選定“文本長(zhǎng)度”，“數(shù)據(jù)”下拉選定“等于”，“長(zhǎng)度”輸入18。2.4.2數(shù)據(jù)有效性2.4數(shù)據(jù)的輸入

4）數(shù)據(jù)驗(yàn)證-設(shè)置序列驗(yàn)證條件。設(shè)置還可以建立輸入項(xiàng)目的下拉菜單，特別適合輸入定制的項(xiàng)目。例如：建立畢業(yè)院校的下拉菜單。打開(kāi)“數(shù)據(jù)驗(yàn)證/設(shè)置/允許”下拉菜單，選定“序列”。選定下拉菜單中的院校名稱(chēng)，就可以方便地輸入所選內(nèi)容。2.4.2數(shù)據(jù)有效性2.4數(shù)據(jù)的輸入

5）數(shù)據(jù)驗(yàn)證-輸入信息提示。“輸入信息”用于用戶(hù)定制選定輸入單元格時(shí)出現(xiàn)的提示信息。例如，對(duì)于輸入身份證號(hào)碼的單元格。2.4.2數(shù)據(jù)有效性2.4數(shù)據(jù)的輸入

6）數(shù)據(jù)驗(yàn)證-出錯(cuò)警告。輸入的身份證號(hào)碼超過(guò)18位時(shí)出現(xiàn)的錯(cuò)誤警告。2.4.2數(shù)據(jù)有效性條件函數(shù)IF是Excel中常用的條件判斷函數(shù)，其語(yǔ)法格式為：=IF(logical_test,[value_if_true],[value_if_false])。logical_test：表示要進(jìn)行判斷的條件，如果該條件為T(mén)RUE，則返回value_if_true的值，否則返回value_if_false的值。value_if_true：表示當(dāng)logical_test為T(mén)RUE時(shí)返回的值。value_if_false：表示當(dāng)logical_test為FALSE時(shí)返回的值。2.4數(shù)據(jù)的輸入

2.4.3條件函數(shù)IF【例2-4】某公司根據(jù)員工今年的累計(jì)銷(xiāo)售總額計(jì)算員工年終獎(jiǎng)金，計(jì)算規(guī)則為：當(dāng)累計(jì)銷(xiāo)售總額[50000,∞)時(shí)，獎(jiǎng)勵(lì)5000元；當(dāng)累計(jì)銷(xiāo)售總額[30000,50000)，獎(jiǎng)勵(lì)3000元；當(dāng)累計(jì)銷(xiāo)售總額[20000,30000)，獎(jiǎng)勵(lì)2000元，當(dāng)累計(jì)銷(xiāo)售總額[0,20000)，沒(méi)有獎(jiǎng)金獎(jiǎng)勵(lì)。該公司本年度員工的累計(jì)銷(xiāo)售金額如表2-4所示。表2-4本年度員工累計(jì)銷(xiāo)售金額員工ID員工銷(xiāo)售金額（元）Alan60,000Alex55,000Helen46,000Lily22,000Mike15,000Tom37,0002.4數(shù)據(jù)的輸入

2.4數(shù)據(jù)的輸入

增設(shè)“獎(jiǎng)勵(lì)金額”一列，插入IF函數(shù)公式。得到最終員工的年終獎(jiǎng)勵(lì)金額。IF函數(shù)嵌套的層數(shù)最多為7層。多個(gè)條件的情況，還是推薦用函數(shù)VLOOKUP來(lái)實(shí)現(xiàn)。VLOOKUP是一種在Excel或其他電子表格程序中使用的函數(shù)，用于在一個(gè)區(qū)域中查找指定值，并返回該值所在行或列的相關(guān)數(shù)據(jù)。其語(yǔ)法格式為：VLOOKUP(lookup_value,table_array,col_index_num,range_lookup)

lookup_value：要查找的值。table_array：包含要進(jìn)行查找的數(shù)據(jù)區(qū)域，該區(qū)域至少包含兩列。col_index_num：目標(biāo)數(shù)據(jù)所在列的索引號(hào)，該值從1開(kāi)始計(jì)數(shù)。range_lookup：指定是否需要進(jìn)行近似匹配的布爾值，可選參數(shù)，常用的有0或FALSE表示僅進(jìn)行精確匹配，1或TRUE表示進(jìn)行近似匹配。2.4數(shù)據(jù)的輸入

2.4.4函數(shù)VLOOKUP員工ID員工銷(xiāo)售金額（元）Alan60,000Alex55,000Helen46,000Lily22,000Mike15,000Tom37,0002.4數(shù)據(jù)的輸入

【例2-5】使用VLOOKUP函數(shù)實(shí)現(xiàn)多個(gè)條件數(shù)據(jù)的查找和輸入。表2-3銷(xiāo)售月表中記錄了訂單號(hào)、訂單日期、訂單金額、銷(xiāo)售人員和銷(xiāo)售人員部門(mén)。表2-3銷(xiāo)售月表訂單號(hào)訂單日期訂單金額銷(xiāo)售人員部門(mén)202305012023.8.17100,000Alan銷(xiāo)售1部202305022023.8.17