
SPSS如何调用已建立的数据文件
调用已建立的数据文件
SPSS可以调用SPSS(*.sav),Excel(*.xls),dBASE(*.dbf),ASCII(*.dat,*.txt)等数据文件。
2.1 调用SPSS数据文件(*.sav)
从菜单选择File-Open-Data命令,在弹出的打开文件对话中指定数据文件的路径,文件名框内显示的是SPSS数据文件是系统默认的文件类型“*.sav”,点击所选文件,单击“打开”按钮,或双击所选文件。这样就把该数据文件调入数据编辑窗口中。
2.2 调用ASCII数据文件(文本文件,*.dat, *.txt)
文本文件(ASCII)格式是我们经常使用的一种文件格式,也是许多软件都具有的数据交换格式。文本文件分变量固定字符宽度与使用分隔符分开变量格式(‘,’、‘;’)和制表(‘Tab’)两种形式,下面我们用例子来说明其操作。
1) 定字符宽度格式文本文件的输入
我们使用Windows“记事本”创建一个显示如下格式的TEXT1.TXT的文件。
0 7 15.56 7 15.56
1 3 6.67 10 22.22
2 8 17.78 18 40.00
3 7 15.56 25 55.56
4 7 15.56 32 71.11
5 4 8.89 36 80.00
6 2 4.44 38 84.44
7 3 6.67 41 91.11
8 3 6.67 44 97.78
该数据文件有5个变量,9个记录。使用这种格式使用变量名称注意宽度不能超过对应的变量数据的宽度,否则会发生一些变量名称不对的错误。
该数据文件保存在配套光盘中(\SPSS\DATA\TEXT1.TXT)。
操作过程:
(1). 在主菜单中点击“File-Open-Data”命令。
(2). 出现打开文件操作窗口,在“查找范围”栏指定文本文件“TEXT1.TXT”保存的文件夹;在“文件类型”栏里,单击该输入框或者右边的下拉按钮(三角形按钮),在下拉选项里选中“Text (*.txt)”,然后在文件列表框里选中“Text1.txt”文件,再单击“打开”按钮,如下图所示。
(3). 出现数据引导对话窗口,一共有6个对话窗口。
① 第一个对话窗口的设置
Does your text file match a predefined format(该文本文件是否与以前定义过的格式匹配?)
○Yes 选择此项,则“Browse..”按钮被激活,可以将以前定义的文件调出。
⊙No 不使用保存过的匹配文件,系统默认。
然后点击“下一步”按钮,出现文本输入向导的第二个对话窗口。
②第二个对话窗的设置(设置变量的分隔方式)
图 变量格式和变量名设置
How are your variables arranged (变量间分隔方式?):
○Delimited: 变量间用特殊符号分隔,系统默认;
⊙ Fixed width: 变量间为固定列宽度,本例选中该项。
Are variable names included at top your file (文件顶端是否含变量名?)
○ Yes: 文件中第1行为变量;
⊙ NO: 文件中没有变量名,系统自动给变量命名。本例选中该项。
然后点击“下一步”按钮,出现文本输入向导的第三个对话窗口。
③第三个对话窗口的设置(设置纪录读取方式)
The first case of data begins on which: 指定第一数据从那行开始,本例选1。
How many lines represent a case 多少行为一个记录?本例选择1。
How many cases do you want to import (读入多少记录?)
⊙All of the cases: 全部记录。系统默认,本例选中该项;
○The first 1000 cases: 开始的1000个记录;
○A random percentage of the cases (approximately): 随机选择一定百分比。
然后,点击“下一步”按钮。
④ 在第四个对话窗口的设置(修改变量分割)
可以在窗口的数据显示(Data preview)栏里,用鼠标抓住变量分隔竖线,调整竖线位置来符合变量取值宽度。 有如下三种操作:
(1)修改变量字符宽度,用鼠标抓住分割线拖移;
(2)插入一条分割线,在插入位置点击鼠标左键;
(3)删除一条分割线,用鼠标抓住分割线拖移数据窗口。
调整完成后,点击“下一步”按钮。
⑤在第五个窗口定义变量属性
Specifications for variable(s) selected the data preview(设置在数据显示栏选中变量的属性):
Variable name: v1 重新定义变量名称。
Data: Numeric 重新定义变量的数据类型。
在窗口中,先在数据显示栏(Data preview)指定需要定义的变量,然后才在“Variable name”和“Data ”栏输入变量名和数据类型。
完成后,点击“下一步”按钮。
⑥ 第六个对话窗口的设置
Would you like to save this file format for future(是否将文件格式存盘)
○ Yes 选此项,“Save as ..”按钮激活,单击按钮后,将文件另存到指定的路径。在有相同格式文本文件时调用
它来设置。
⊙ No 不保存
Would you like to paste the syntax(是否存为程序语句文件?)
○ Yes 选中此项,则将上述过程保存为程序文件。
⊙ No 不保存为程序语句文件,系统默认。
设置完成后,在窗口的数据显示框里观察数据读取情况,如果读出的数据不对,可以点击“上一步”按钮,回到前面的对话窗口里进行修正设置。数据显示正确后,点击“下一步”按钮。最后单击“完成”按钮,文本数据就输入到数据编辑窗里,完成了数据的转换过程。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04