通過上一期的介紹，我們已經(jīng)了解了什么是數(shù)據(jù)處理及其作用，并講解了數(shù)據(jù)處理五大方法之一的數(shù)據(jù)清洗。本期筆者繼續(xù)介紹數(shù)據(jù)處理中的數(shù)據(jù)抽取與數(shù)據(jù)合并兩大方法。

數(shù)據(jù)抽取

數(shù)據(jù)抽取是指抽取并保留原數(shù)據(jù)表中某些字段的部分信息，形成一個(gè)新字段。例如，我們的18位身份證號(hào)碼，前6位為地區(qū)編碼，第7位至第14位為出生年月日信息，而第17位為性別信息，奇數(shù)為男性，偶數(shù)為女性，對(duì)此我們就可以從用戶身份證抽取出地區(qū)、出生年月日、性別等數(shù)字編碼，為用戶地區(qū)分布、用戶年齡結(jié)構(gòu)、性別結(jié)構(gòu)等分析做準(zhǔn)備。

數(shù)據(jù)抽取在Excel中主要有數(shù)據(jù)分列法與函數(shù)法兩種方法實(shí)現(xiàn)。

1.數(shù)據(jù)分列法

現(xiàn)有一列用戶的身份證號(hào)碼數(shù)據(jù)，需要提取出前6位地區(qū)編碼，以便進(jìn)行用戶地區(qū)分布分析，現(xiàn)就采用數(shù)據(jù)分列法進(jìn)行提取。具體操作步驟如下：

步驟1：選中要提取的數(shù)據(jù)區(qū)域，本例A列為身份證號(hào)碼數(shù)據(jù)，在“數(shù)據(jù)”選項(xiàng)卡上的“數(shù)據(jù)工具”組中，單擊“分列”按鈕。

步驟2：在彈出的“文本分列向?qū)А?步”對(duì)話框中，單擊選擇“固定寬度”，然后單擊“下一步”按鈕。

步驟3：在彈出的“文本分列向?qū)А?步”對(duì)話框中，在“數(shù)據(jù)預(yù)覽”下方的身份證號(hào)碼第6位與第7位數(shù)字編碼之間，單擊鼠標(biāo)，以建立分列線，這時(shí)會(huì)出現(xiàn)一個(gè)向上箭頭的分列線，通常情況下可直接單擊“完成”按鈕，以完成地區(qū)編碼提取工作。

但是這樣會(huì)產(chǎn)生兩個(gè)問題，一個(gè)是原來的身份證號(hào)碼字段數(shù)據(jù)會(huì)丟失，另一個(gè)問題就是如果在身份證號(hào)碼字段后還有其他字段數(shù)據(jù)，則相鄰的一個(gè)字段數(shù)據(jù)會(huì)被替換掉，導(dǎo)致相應(yīng)數(shù)據(jù)信息丟失。面對(duì)這兩個(gè)問題，通常的解決方案是在數(shù)據(jù)區(qū)域最后一列重新復(fù)制備份一列身份證號(hào)碼字段數(shù)據(jù)，然后再進(jìn)行分列操作，這樣就可以避免上述問題。當(dāng)然我們也可以不用復(fù)制備份，只需通過進(jìn)一步設(shè)置即可避免上述兩個(gè)問題。

步驟4：在“文本分列向?qū)А?步”對(duì)話框中，單擊“下一步”按鈕，得到“文本分列向?qū)А?步”對(duì)話框，先將“目標(biāo)區(qū)域”更改為分列后的數(shù)據(jù)所要放置的位置，本例為B1單元格，然后選中分列線后的第二列，在上方的“列數(shù)據(jù)格式”中選擇“不導(dǎo)入此列（跳過）”項(xiàng)，最后單擊“完成”按鈕，即可在指定位置增加一列6位地區(qū)編碼。

“文本分列向?qū)А?步”對(duì)話框還可以設(shè)置分列后的字段數(shù)據(jù)格式，可以設(shè)置為數(shù)值型（常規(guī)）、字符型（文本）、日期型幾種常用數(shù)據(jù)格式。從另一個(gè)角度說，它也可以用于數(shù)據(jù)格式的轉(zhuǎn)化，這將在下期進(jìn)行介紹。

2.函數(shù)法

函數(shù)法主要采用Left、Right、Mid三個(gè)函數(shù)進(jìn)行相關(guān)數(shù)據(jù)的抽取。

Left函數(shù)是指從一個(gè)文本字符串左邊第一位開始，從左至右截取指定數(shù)目的字符。Right函數(shù)是指從一個(gè)文本字符串右邊第一位開始，從右至左截取指定數(shù)目的字符。Mid函數(shù)是指從一個(gè)文本字符串左起指定位置開始，從左至右截取指定數(shù)目的字符。

我們?nèi)砸陨矸葑C號(hào)碼數(shù)據(jù)抽取為例，采用Left函數(shù)提取出前6位地區(qū)編碼，采用Mid函數(shù)提取第7～10位的出生年份編碼，分別在B2、C2單元格輸入公式：

B2 =LEFT（A2，6），即從A2單元格字符串左邊第一位開始，從左至右截取6位字符；

C2 =MID（A2，7，4），即從A2單元格字符串左起第7位開始，從左至右截取4位字符；

并向下填充復(fù)制B2、C2單元格的公式，即可批量得到各用戶的地區(qū)編碼與出生年份數(shù)據(jù)。

數(shù)據(jù)合并

數(shù)據(jù)合并是指綜合不同的原數(shù)據(jù)表中某幾個(gè)字段的信息數(shù)據(jù)，組合成一個(gè)新字段數(shù)據(jù)。它可以是將某幾個(gè)字段合并為一個(gè)新字段即字段合并；也可以是將原數(shù)據(jù)表中沒有的，但其他數(shù)據(jù)表（維表）中有的字段，通過共有的關(guān)鍵字段進(jìn)行對(duì)應(yīng)匹配即字段匹配。

1.字段合并

字段合并剛好與數(shù)據(jù)抽取相反，它是將某幾個(gè)字段合并為一個(gè)新字段，在Excel中主要使用Concatenate函數(shù)進(jìn)行合并。例如，A列是“xx年”，B列是“xx月”，C列是“xx日”，我們可以將這三列數(shù)據(jù)合并成D列“xx年xx月xx日”，如下圖所示。

2.字段匹配

有時(shí)候原數(shù)據(jù)表中沒有我們需要的字段，則需要從其他數(shù)據(jù)表中通過共有的關(guān)鍵字段進(jìn)行對(duì)應(yīng)匹配獲取字段，這就是字段匹配。例如，上文數(shù)據(jù)抽取部分提到的身份證號(hào)碼中提取出的地區(qū)編碼，光提取出編碼還不夠，因?yàn)槲覀儫o法得知每個(gè)編碼的具體意義，需要再根據(jù)一張地區(qū)編碼維表進(jìn)行匹配得到相應(yīng)的地區(qū)信息，這時(shí)數(shù)據(jù)才有意義。

在Excel中主要使用Vlookup函數(shù)的精確匹配功能進(jìn)行字段匹配，Vlookup函數(shù)語法如下：

Vlookup （lookup_value， table_array， col_index_num， [range_lookup]）

lookup_value：查找匹配的關(guān)鍵字段，即根據(jù)什么進(jìn)行查找。table_array：查找的范圍（維表），即在什么范圍進(jìn)行查找，其中關(guān)鍵字段必須在第一列。col_index_num：需要查找匹配的字段所在維表中的列號(hào)（必須從維表第一列起開始數(shù)起）。range_lookup：參數(shù)為TRUE（1）或被省略，則返回精確匹配值或近似匹配值；參數(shù)為FALSE（0），則返回精確匹配值。

我們?nèi)砸陨矸葑C號(hào)碼為例，需要根據(jù)提取出的地區(qū)編碼，與地區(qū)編碼維表進(jìn)行匹配，得到相應(yīng)的地區(qū)信息，如下圖所示，我們只需要在B2單元格中輸入公式：“=Vlookup （LEFT（A2，6），D：E，2，0）”，即可匹配得到相應(yīng)的地區(qū)信息，然后向下填充復(fù)制B2單元格的公式，即可批量得到各用戶的地區(qū)信息數(shù)據(jù)。

本期數(shù)據(jù)處理技巧就介紹到這里，下期將介紹數(shù)據(jù)計(jì)算與數(shù)據(jù)轉(zhuǎn)化兩方面的數(shù)據(jù)處理技巧。

編輯：單之卉 / 郵箱：szh@bjstats.gov.cn