
SPSS如何实现数据转换
在进行数据分析时,常需要对原始数据进行适当的转换。也许需要将连续变量转换为分类变量(比如:将年龄转换为<30岁组和≥30岁组),或者将分类变量重新编码(比如:将血型A、B、O、AB转换为A型和其他),又或者要生成新变量,SPSS都可以帮您实现。
首先是我们的示例数据,变量分别是血型(1=A,2=B,3=O,4=AB)、年龄、左右耳听阈、吸烟史和饮酒史。
我们先说说如何 生成新变量。
示例数据有左耳听阈、右耳听阈,若我们想看看左右耳听阈之差呢?也就是说,我们要根据现有的左右耳听阈,新生成一个左右耳听阈之差的变量。在SPSS工具栏中选择 转换-计算变量,弹出对话框如下。首先需要定义新变量的名称,也就是图中的目标变量。在这里,我们定义为左右耳听阈之差。此外,我们可以选择类型和标签定义变量类型和标签。然后,在右侧文本框写出数字表达式,即可。当然,您也可以通过函数组进行公式的书写和条件的设置。
接下来,我们探讨下变量的 重新编码。
示例数据的年龄是以连续变量存储的,我们如何将其转换为分类变量呢?在SPSS工具栏中选择 转换-重新编码为不同变量,弹出对话框如下。这里说一句,转换-重新编码为相同变量虽说也可以助我们达到目的,但因其覆盖原始变量的劣势,不推荐使用。
将年龄选入中间的文本框,此外,需定义输出变量的名称。接下来,选择旧值和新值定义编码规则。比如,我们在旧值中写入0到29岁的范围,新值定义为1,点击添加,直到完成重新编码。返回到上图页面,点击更改。至于血型的重新编码,操作大体是一样的,您不妨亲身尝试一下。
关于范围的设置,需要明确一下端点的归属。如图,我们定义0到29岁为1组,也就说≥0和≤29的都被分到1组。另外,文本框中关于旧-新的赋值,按规则先后顺序执行。比如,0到29为1;29到49为2,那29是被分到1组还是2组呢?按照规则顺序,第1条>第2条>第3条,我们就可以知道29会被分到1组。数据分析培训
倘若,我们是这样的赋值规则:第1条:29到49;第2条:0到29。那29就是2组了。亲证有效哦!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23