实验一　数据的搜集与整理

一、实验目的及要求

（一）实验目的

培养学生处理数据的基本能力。通过本实验，学生应开始了解Microsoft Excel的操作界面，在有效搜集数据资源的基础上，利用软件完成数据的输入、导入、保存、编码、分类（组）、筛选、排序等数据整理工作。

（二）实验要求

（1）熟悉Microsoft Excel的基本操作界面。

（2）熟悉间接数据的搜集方法、搜集途径，能熟练通过网络搜集间接数据。

（3）了解直接数据的搜集。

（4）掌握不同类型的数据的处理方法，尤其是注意Microsoft Excel在数据输入、导入等方面的区别，掌握数据文件的建立和保存方法。

（5）掌握数据的编码、分类（组）、筛选、排序等整理操作的方法。

二、数据的搜集

在生产生活中，很多时候我们都需要搜集数据，例如，市场营销团队需要评估营销方案；药物制造商需要确定一种新药是否比现在用的药物疗效更好；老师想要了解学生学习某门课程的情况；国家想要了解当前的人口数量及结构状况等。一般而言，搜集总体中每个事物的数据是比较困难的，耗时耗力。所以，一般我们都是从样本中搜集数据的。

依据研究目的搜集数据是统计工作的第一步，而确定数据最合适的来源又是搜集数据工作的第一步。这是非常重要的一步，因为如果搜集的数据有偏差、模糊不清或有其他的错误时，即使使用最复杂的统计方法，也无法得出有用的信息。统计数据主要源于两种渠道：一种是源于别人的调查或实验数据，称为间接数据或二手数据；另一种是源于科学实验、观察研究或者直接调查的数据，称为直接数据或一手数据。

（一）间接数据的搜集

间接统计数据主要是公开出版或报道的数据，可以通过年鉴、期刊、报纸、广播、电视等途径搜集获取。在网络广泛普及的今天，通过网络搜集间接数据已经成为一种主流手段。一般来说，在网络上搜集数据可以采用两种方式。

第一种方式是直接进入专业数据库网站查询数据。比如，要搜集中国2020年国家社会经济数据，你可以进入网址http：//www.stats.gov.cn，点击首页的“数据”，如图1-1-2所示。

进入统计数据页面，选择数据查询下的“年度数据”，如图1-1-3所示。

进入年度数据查询页面，就可通过顶部的搜索栏或者左侧的导航栏，搜索、查询并下载2020年中国国家统计年鉴中相应的社会经济统计数据了，如图1-1-4所示。

表1-1-1列出了常见的获取统计数据的专业数据库网站。

第二种通过网络获取二手数据的方式是使用搜索引擎。比如，我们可以使用百度网站，搜索中国2020年国家社会经济数据。在浏览器地址栏中输入www.baidu.com，敲击回车键进入百度搜索引擎，在搜索框中输入“中国2020年经济数据”，如图1-1-5所示。

单击“百度一下”按钮，获得搜索结果如图1-1-6所示，可以在搜索显示出的结果中，选择链接进入查看是否符合自己的搜索目标。

大家看到搜索引擎的结果会指向第一种方法中的专业数据库网站。但是除此以外，它还会返回很多相关的结果。对于间接数据的搜集，如果目标明确并且能够找到对应专业数据库网站的，就没有必要使用搜索引擎，因为它可能给你提供一些无法判别其真实可靠性的结果。当然，如果目标并不明确，或者专业的数据库网站没有直接提供的，你不妨利用搜索引擎去搜索别人类似的研究的二手数据成果，再通过其他手段去确认其真实可靠性。

（二）直接数据的搜集

直接统计数据可以通过两种途径获得：一是科学试验；二是专门组织的统计调查。科学试验是在所设定的特殊试验场所、特殊状态下，对调查对象进行试验以取得所需资料。进行合适的试验设计是一门课程，本教材就不过多地涉及这方面的分析。专门组织的统计调查是根据统计研究的目的和任务，采取科学的调查方法，有组织、有计划地向客观实际搜集各种统计资料的活动过程，主要包括普查、重点调查、典型调查、抽样调查、统计报表等调查方式。本实验主要介绍抽样调查取得直接数据的方法。

抽样调查的步骤如图1-1-7所示：

比如，可以按照如下步骤设计调查大学生生活费收支情况：

步骤一：调查方案设计

步骤二：问卷设计

在明确调查目的后，应该思考数据搜集的方法，确定问题的回答方式和问题的用词方式，使得问卷易于回答且不会产生歧义。完成初步问卷的设计和编排后，可以征询相关方面的意见，通过小范围测试或反复修订，得到最终的问卷，用于实施发放。

步骤三：问卷的发放与收回

本次调查采取分层抽样，对在校本科生各个年级男、女生各发放问卷30份左右；共发放问卷××份，回收问卷××份，其中有效问卷××份。各年级男、女生回收有效问卷具体情况如下：

三、数据的整理

在获得了直接或间接的数据以后，我们应该对数据进行初步处理，方便对它们进行进一步分析。一般数据初步处理包括了编码、录入、筛选、排序以及保存数据文件等工作。

当然，这一切都需要与Microsoft Excel软件结合来实现。那么我们有必要来简单了解一下Microsoft Excel的操作界面，如图1-1-8所示。

当运用Microsoft Excel的时候，你实际是将所搜集到的数据放置在工作表中。工作表就像书页一样，可以用鼠标左键点击工作表标签来切换。工作表中包含的网格线将以字母为标题的列和以数字为标题的行分割成单个的单元格，而每一个单元格就是以自己所在的列字母和行数字共同来表示的。比如第二列第一行的单元格称为单元格B1，第五列第三行的单元格称为单元格E3等。当单元格被选中激活时，其名称会显示在地址名框中。

直接使用列字母和行数字标示单元格叫相对地址标示，在公式中使用相对地址引用，公式复制过程中引用地址（值）随位置而变。比如在C1单元格中输入“=A1”，直接复制C1到C2粘贴，C2单元格中的公式将自动地变成“=A2”，如果复制到D1，公式变为“B1”，相对引用在公式复制中“横向复制变列号，纵向复制变行号”。列字母和行数字前都加上“$”符号标示单元格叫绝对地址标示，在公式中使用绝对地址引用，公式复制过程中引用地址（值）保持不变。比如C1单元格中输入“=$A$1”，其后复制C1到任何单元格，该单元格的公式都是“=$A$1”。

在单元格中，既可以输入单个值，又可以输入与其他单元格相关的表达式，但前提是你必须激活这个单元格。激活单元格的方法很简单，用鼠标左键在要激活的单元格上单击一次就可以了。此时被激活的单元格会显示深色的边框，与其他单元格区分开来。除了单个单元格的使用，你也可以选中一个以上的单元格。如果你想表示一组单元格，而这组单元格形成一个连续的矩形区域，可以用以冒号连接的最左上角单元格与最右下角单元格作为单元格区域。比如，单元格区域A1：B5表示工作表前五行前两列的区域。Microsoft Excel中也会显示诸如A：A或3：3这样的区域，表示第一列或第三行的所有单元格。

（一）数据编码

数据编码是指把需要加工处理的数据库信息，用特定的数字来表示的一种技术，是根据一定数据结构和目标的定性特征，将数据转换为代码或编码字符，在数据传输中表示数据组成，并作为传送、接收和处理的一组规则和约定。由于计算机要处理的数据信息十分庞杂，有些数据库所代表的含义又使人难以记忆。为了便于使用，容易记忆，常常要对加工处理的对象进行编码，用一个编码符号代表一条信息或一串数据。对数据进行编码在计算机的管理中非常重要，可以方便地进行信息分类、校核、合计、检索等操作。因此，数据编码就成为计算机处理的关键。不同的信息记录应当采用不同的编码，一个码点可以代表一条信息记录。人们可以利用编码来识别每一个记录，区别处理方法，进行分类和校核，从而克服项目参差不齐的缺点，节省存储空间，提高处理效率。

其实我们在前面的工作中已经接触过编码。在我们设计的那个抽样调查获取直接数据的方案中，那些封闭式的问题给出了诸如A、B等选项答案，就相当于对答案进行了编码，将来我们可以直接在Microsoft Excel工作表的单元格中录入A、B等字样来代替具体的选项内容，这样只要在旁边附注编码的对应指代内容，就能让使用数据的人明确数据所代表的含义了。

对于开放式的问题，在设计问题的时候没有预先编码，就必须在数据搜集完成以后，依据数据的特征进行归类，而后再进行编码分类。比如，我们设计一个调查消费者消费某种饮料的原因的问题，让受调查者接受开放式的问答，有可能得到以下的结果：

（1）因为它口味比较好；

（2）它具有最好的味道；

（3）我喜欢它的口味；

（4）我不喜欢其他同类饮料太重的口味；

（5）它便宜；

（6）它总做打折活动；

（7）它不像其他饮料那样令我的胃不舒服；

（8）我总是选择这个牌子的饮料；

（9）我已经喝了好多年了；

（10）我周围的朋友都喝它；

（11）我妻子帮我买的；

（12）我家人喜欢喝它；

（13）我没想过；

（14）不知道；

（15）没什么特别原因。

如果你老老实实地把这些结果录入到Microsoft Excel工作表中，软件会认为它们是十五种不同的原因，因为它们无论从文字上还是从字数上都不尽相同。显然，这并不是我们想看到的结果，因为我们知道其中有些回答虽然表述不同，但是它代表了一个含义，为此我们要进行编码，使软件也能了解哪几个回答应在同一编码下代表同一个含义。在这个例子中我们可以构建编码（如表1-1-2所示），将来在软件录入中用新的编码符号来代替含义一致的回答结果，比如有人回答“我觉得它比某某味道好”就可以用编码符号1来录入反映。

数据的编码应具有系统性、标准性、实用性、扩充性和效率性的特点。比较起来，封闭式问题事先设计、预先编码的方式，让上述这几个特点表现得更为突出明确。但在实际操作的时候，我们切不可一味地去强求封闭式问题的设计，而要从回答问题的一方去考虑。比如，我们想要了解一家工厂班组长希望加强的培训内容，如果设计封闭式的问题，我们可能要穷举班组长工作要涉及的两百多个答案。显然，对于那些回答的班组长而言，光这两百多个答案可能都会看花了眼。所以我们可以给重要的问题设置明确的选项，让班组长对其余的问题给出开放式回答就可以了。

（二）数据的录入

数据的录入是将搜集到的数据直接输入到Microsoft Excel工作表中。数据录入既要讲求效率，又要保证质量。Microsoft Excel的数据录入操作比较简单，一般只要在工作表中单击激活一个单元格就可以录入数据了。单元格的切换可以使用鼠标，也可以在激活一个单元格以后用回车Enter（或者制表符Tab）键，向下（或者向右）切换单元格。在单元格内部的换行可以使用“Alt+Enter”组合键。

当然，数据录入中最重要的还是要保证数据形式完整和性质正确。这就需要通过“设置单元格格式”来实现。比如想录入十八位身份证号码522601197902130800，如果直接激活单元格将这十八位数输入其中，回车或激活其他单元格时，原来的十八位数字就会显示成“5.22601E+17”，原因是Microsoft Excel将这十八位数默认是数值型变量并且使用了科学计数法显示。这显然不利于使用者去查阅身份证号码。此时，可以激活数字所在单元格，在“格式”菜单下找到“单元格卡片集”，然后点击其中的“格式下拉框”箭头，选中“设置单元格格式”打开对话框，选中“数字”卡片，在分类中选中“文本”，单击“确定”后再用鼠标双击数字所在单元格就能以文本的方式展示出十八位身份证号码了，如图1-1-9所示。（熟悉快捷键的同学也可以在激活单元格后，使用Ctrl+1组合键打开设置单元格格式对话框。）

对于录入重复数据或使用二手数据时，大家一般都习惯使用复制功能（Ctrl+C），但是Microsoft Excel在简单复制数据时不一定能保证格式的完整性。比如，在某个Microsoft Excel工作簿文件中，我们使用公式“=sum（A1：A6）”计算出第一列前六行数据之和，然后我们将这个求和结果简单地复制→粘贴到另一个Microsoft Excel工作簿文件中，结果将不再是原来计算出来的和值。原因是因为公式只认单元格，在第一个工作簿文件中A1到A6的数值并不一定就是第二个文件中A1到A6的数值，再加上公式里使用了相对单元格地址，那粘贴的位置也会对结果造成影响。这个时候，就需要单击鼠标右键，使用“选择性粘贴”菜单，通过设置来实现复制的格式要求。比如对于我们的例子中的数据就该使用选择性粘贴对话框中的粘贴“数值”单选框来实现，如图1-1-10所示。

数据的格式既可以事先选中单元格设置，又可以输入以后调整。对于未输入（或未确定格式）的数据，想要实现和已经输入的数据相同的格式要求，可以使用工具栏中的“格式刷”工具按钮。比如A2单元格有已经设置好格式的数据，B3单元格的数据想和A2单元格统一，可以激活A2单元格，点击格式刷，再点击B3单元格就可以了。

（三）数据的导入

有的时候，我们搜集到的二手数据是别人已经做好的数据库文件，唯一令人不满意的是，他们并没有把数据库文件保存成为Excel工作簿文件的形式。Microsoft Excel提供了导入数据文件的功能。数据文件的导入是将别的软件形成的数据或数据库文件转换到Excel工作表中。这样，大家就不必要掌握那么多纷繁复杂的软件，以此提高工作效率，也方便协同处理数据。

Microsoft Excel支持文本文件、Office数据库文件、网页文件、Dbase文件、Paradox文件、Xml文件等多种外部数据源的导入。导入的方法有两种，一是使用“文件-打开”菜单，二是使用“数据-获取外部数据”菜单，两者都是打开导入向导，按向导一步步完成对数据文件的导入。

使用“文件-打开”菜单，进入“打开”对话框，在文件类型下拉框中选中所有文件（如图1-1-11所示），然后找到你想要打开的数据库文件所在位置，双击鼠标左键或单击“打开”按钮，就可以进入导入向导。

使用“数据-获取外部数据”菜单，可以直接在下拉框中选择需要导入的外部文件类型（如图1-1-12所示），然后在对话框中浏览找到你想要打开的数据库文件所在位置，双击鼠标左键或单击“打开”按钮，就可以进入导入向导。

接下来，我们用一个导入数据库文件的例子来介绍导入向导。比如，一个已经存在的文本文件“导入练习.txt”中录入了如图1-1-13所示的数据内容，我们想将其导入Microsoft Excel工作表中。

两种导入方法任选其一，进入导入向导第一个步骤，如图1-1-14所示。

首先要设置原始数据类型，由于源文本文件中没有使用任何形式的分隔符号，只是使用了空格手工对齐数据，所以选中“固定宽度”单选框。其次要导入起始行并确定源文件格式，源文件中我们是从最左上角的编辑区域输入数据的，因此起始行输入1——这里可以鼠标左键点击手工输入，也可以使用右侧的上下箭头来调增调减。文件原始格式设置为简体中文。再次，数据包含了标题行，所以要选中“数据包含标题”复选框。最后完成上述工作，点击“下一步”按钮，进入导入向导的第二个步骤，如图1-1-15所示。

文本文件导入的第二个步骤要设置字段的宽度，也就是确定分列的位置。你可以在要建立分列处单击鼠标左键建立分列线，也可以双击分列线取消分列。对于已经形成的分列线，如果你觉得不合适的，可以手工按住分列线并拖至满意的位置。图中的数据预览区域，向上的黑色箭头就是分列线。完成分列位置的设置以后，点击“下一步”按钮，进入导入向导的第三个步骤，如图1-1-16所示。

文本文件导入的第三个步骤要设置每列的数据类型。方法是用鼠标左键点击数据预览区域的某一列，然后在左上角“列数据格式”设置区域选择数据格式。本例中，“按劳动生产率分组”列由于不参与后续计算，可以设置为“文本”，而“企业数比重”列后续可能要参与计算，可以设置为“常规”。点击“完成”按钮，结束文本导入，并可设置将文本数据内容导入形成一个新的工作表或工作簿文件，如图1-1-17所示。

需要注意的是，导入不同类型的文件，导入向导展示的步骤或内容会有所不同。导入步骤中前一步骤选择不同，后面步骤要求完成的工作也会有所不同。此外，对于那些Microsoft Excel不支持导入的文件类型，Microsoft Excel会提示出错信息。

（四）数据的筛选

数据的筛选是从大数据表单中选出分析所要用的数据。Microsoft Excel提供了两种数据的筛选操作，即“自动筛选”和“高级筛选”。

首先介绍“自动筛选”。选中需要筛选的数据区域，然后在“数据”菜单下“排序与筛选”卡片集中点击漏斗形的“筛选”卡片，这时被选中的数据区域的每一列第一个单元格右下角就会出现下拉箭头，可以通过点击下拉箭头来实现对每一列的筛选或设置。如果在下拉箭头中选择“数字筛选-自定义筛选”，打开“自定义自动筛选方式”对话框，如图1-1-18所示，可以根据条件（等于、大于等于等）筛选出数据在某一范围内符合条件的记录，自定义中可以用“与”“或”来约束区分条件。此外，通过逐次对不同列使用“自动筛选”的“自定义自动筛选方式”还可实现对多个字段进行嵌套组合筛选，此时各字段间限制的条件只能是“与”的关系，并且在结果上还取决于使用下拉箭头的先后顺序，一般先满足先点击的下拉箭头约束，再满足后点击的下拉箭头约束。

“自动筛选”一般用于简单的条件筛选，筛选的结果将不满足条件的数据暂时隐藏起来，只显示符合条件的数据。筛选隐藏并非是仅隐藏数据所在的单元格，而是隐藏数据所在的行，此时如果被筛选的区域左侧或右侧单元格有数据，就会因为筛选隐藏了某行或某几行而随之隐藏起来。为此，自动筛选后再次点击“数据”菜单下“排序与筛选”卡片集中的“筛选”卡片，就能恢复原来的数据状态。

“高级筛选”通过点击“数据”菜单下“排序与筛选”卡片集中的“筛选”卡片右侧的“高级”卡片，调用“高级筛选”对话框来实现筛选，如图1-1-19所示。

“高级筛选”一般用于条件较复杂的筛选操作，其筛选的结果可显示在原数据表格中，不符合条件的记录被隐藏起来；也可以在新的位置显示筛选结果，同时保留显示原数据形式，这样就更加便于进行数据的比对了。高级筛选需要在单元格或区域内输入筛选条件，由于Microsoft Excel的筛选按列作为筛选字段，所以列标题成为筛选的标题依据。列标题下可以输入筛选的条件，条件放在同一行表示“与”的关系，条件不在同一行表示“或”的关系。

“自动筛选”比较简单，大家可以自己练习操作。下面我们以一个例子来介绍“高级筛选”的使用。在单元格A1：D12录入甲、乙、丙、丁四个企业各11个工资数据，如图1-1-20所示。

如果我们要筛选出四个企业工资收入都大于1200的数据，那么可以将“甲企业”“乙企业”“丙企业”“丁企业”四个列标题复制出放在新行，并且在它们下面输入条件。这里由于是要四个企业工资均大于1200，是“与”的逻辑关系，所以条件应放在一行上。本例我们将上述工作录入到A14：D15单元格，如图1-1-21所示。

选中原始数据所在的A1：D12单元格后，点击“数据”菜单下“排序与筛选”卡片集中的“筛选”卡片右侧的“高级”卡片，打开“高级筛选”对话框。方式选择“将筛选结果复制到其他位置”单选框；列表区域点击右侧的红色箭头，用鼠标拖动选择原始数据所在的单元格A1：D12；条件区域点击右侧的红色箭头，用鼠标拖动选择单元格A14：D15；复制到点击右侧的红色箭头，用鼠标拖动选择单元格F1（如图1-1-22所示）。点击“确定”就能得到筛选结果，如图1-1-23所示。

如果我们要筛选的条件是甲、乙两家企业的工资大于1200的数据，或者丙、丁两家企业的工资小于1400的数据，那么可以将“甲企业”“乙企业”“丙企业”“丁企业”四个列标题复制出放在新行，并且在它们下面分行输入条件，如图1-1-24所示。使用类似上面的步骤，筛选的结果如图1-1-25所示。

（五）数据的排序

数据的排序是将数据的次序排列整理并显示出来的过程。排序在显示数据的序数排列结果的同时，也方便查询某些数据，比如一组数据的最大值、最小值等。

Microsoft Excel的排序功能主要靠“数据”菜单下“排序与筛选”卡片集中的“升序排列”（A→Z）、“降序排列”（Z→A）工具按钮或“排序”工具卡片实现。在选中需排序区域数据后，点击“升序排列”（或“降序排列”）工具按钮，数据将按升序（或降序）快速自动排序。

选中需要排序的数据区域，点击“数据”菜单下“排序与筛选”卡片集中的“排序”工具卡片，打开“排序”对话框，依次完成主关键字、排序依据和次序等排序条件设置。如果需要同时设置多个关键字（变量）的排序，可以点击“添加条件”，增加次要关键字；如果被选中的排序数据区域包含变量名称，还应选中“数据包含标题”前的复选框，如图1-1-26所示。

同时，在“排序”对话框中还可以进行自定义排序，来实现那些直观从数据、时间、文本或字母上排序无意义的数据排序的特殊要求。比如，想要将学校教师的职称按照“教授、副教授、讲师、助教”来排序，如果交给Microsoft Excel默认的排序处理，它会按照词组第一个字的大写拼音来安排升序或降序，形成“副教授、讲师、教授、助教”的升序或降序结果。为此，要使用自定义序列。在排序对话框的“次序”条件设置时，点击下拉箭头选择“自定义序列”，打开自定义序列对话框，在输入序列区域手工输入排序次序“教授，副教授，讲师，助教”，每个词之间通过回车分割开，然后点击“添加”按钮，在自定义序列框下就会多出一组序列“教授，副教授，讲师，助教”，如图1-1-27所示。

选中新增的序列，点击“确定”，自定义的排序规则就会显示在“次序”条件设置中，如图1-1-28所示，接下来就可以继续使用“排序”功能，实现自己定义的排序次序来排列数据次序了。

此外，Microsoft Excel分析工具库中的“排位与百分比排位”扩展函数，也能部分实现显示排序结果的功能。其调用菜单路径为“数据-数据分析-排位与百分比排位”，打开“排位与百分比排位”对话框。这里，我们仍然以前面图1-1-20的四个企业的工资数据为例，来调用“排位与百分比排位”分析工具库扩展函数，如图1-1-29所示。

在输入区域点击右侧的红色箭头，用鼠标拖动选择数据所在单元格A1：D12；由于四个企业的数据以列分开，所以分组方式选中“列”单选框；输入区域包括了标志名称，选中“标志位于第一行”复选框，让分析工具知道不要把标志名计入分析过程；输出区域右侧的红色箭头，选中一个右侧和下侧没有数据的单元格（否则有的数据会被覆盖），这里我们选中F1单元格，点击“确定”按钮就能得到输出结果，如图1-1-30所示。输出结果中，“点”代表了数据在原序列所在的排位位置，“甲企业”等标志下是按降序排列的数据，“排位”是降序排列构成的新序列号。

思考练习

1.请搜集间接数据“北京市2020年人口数”，理解专业数据库网站搜集数据和搜索引擎搜集数据的联系和区别，以及它们各自的优缺点。

2.思考在设计调查问卷搜集直接数据时，定类尺度、定序尺度、定距尺度和定比尺度四种统计数据计量尺度，各适合什么形式的编码设计？

3.现有两个企业的月工资资料如下（元）：

甲企业：1220，1600，1500，1520，1100，1880，1640，1540，1320，1680，1560，1220，1200，1140，1880，660，1340，1700，1480，1440，1380，1980，1480，1440，1300，1460，1760，1840，1600，1360，1700，1900，1480，1360，1560，1540，1400，1960，1800，500，960，1680，1560，1520，1500，1280，1560，1300，1160，1340，1520，960，1580，1200

乙企业：1860，1800，1200，1800，1080，1060，1980，1420，1200，1900，1960，1580，1760，1240，1620，1620，1500，1840，1060，840，1220，1560，1500，820，1280，1440，1600，1560，1700，1640，1620，1620，1680，1860，1400，1600，1560，1560，1200，1020，1200，1200，1680，1640，1540，1680，1880，1700，1840，1680，1520，1880，1800，1480，1240，1480，1820

试根据以上资料完成下述操作：

（1）新建Microsoft Excel工作簿，将资料录入Microsoft Excel工作表中（注意：一家企业的数据录为一列），并保存工作簿文件名为“练习1.xls”。

（2）对数据完成“甲企业工资大于等于1400”“甲企业月工资大于1500且乙企业月工资小于1800”“甲企业月工资大于1500且乙企业月工资小于1800”三项筛选工作。

（3）对甲、乙企业的月工资数据进行排序。