spss-数据抽取-拆分与合并
数据抽取也成为数据拆分，是指保留、抽取原数据表中某些字段、记录的部分信息，形成一个新字段、新纪录。分为：字段拆分和随机抽样两种方法。
一：字段拆分
如何提取“身份证号码”字段。身份证号码里面包含了许多信息，例如省份、城市、出生日期、性别等等。我们将它抽取出来，就可以得到相应的字段。也就可以做相应的分析了。如用户的省份分布、出生日期、性别等。
大家都知道在excel中使用字符函数（right、mid、left）就可以将这些信息提取出来。那么在spss中该如何使用呢？接下来教给大家一个在spss中的函数方法。
Substr函数，它跟excel中的mid函数的用法是一致的。函数如下：
Substr（字符串 , 提取的起始位置 , 提取的字符个数）
操作步骤：
【转换】--【计算变量】，弹出【计算变量】对话框，如图
首先在【函数组】框中找到“字符串”类，在【函数和特殊变量】中选择“char.substr(3)”函数，双击，这时该函数就会被移入【数字表达式】框中，然后将表达式修改为“CHAR.SUBSTR(身份证号码,7,4)”，这样就完成了公式的编写。
接着在【目标变量】框中，输入变量名称“年份”，并在【类型与便签】功能中设置为“字符串”
最后点击【确定】按钮。这样就新增加了一个变量“年份”。
拓展：SPSS中计算变量这个功能非常常用，类似于excel的编辑栏功能，可以输入函数或者计算公式来新增变量，后续还会使用它来进行相关的数据处理操作。
二：数据合并
数据合并是指综合数据表中某几个字段的信息或记录，组合成一个新字段、新记录。主要分为两种：A、字段合并、B、记录合并。
A、字段合并，是指将几个字段合并为一个新字段。例如将前面从身份证号码中提取出来的年、月、日三个单独的字段进行合并，得到出生日期。
介绍一个函数concat
操作步骤如上
最后新增加一步：如果想要对年龄进行计算，需要将变量视图中“出生日期2”的数据类型更改为日期。
B、记录合并，也称纵向合并。是将具有共同的数据字段、结构，不同的数据记录表信息合并的一个新的数据表中。
操作步骤：
【数据】-【合并文件】-【添加个案】，弹出【添加个案】对话框。
选择【浏览】，打开文件
点击【继续】按钮。
如果正确，点击【确定】按钮。完成男女数据合并工作。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
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 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02CDA 数据分析师：助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下，数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战：基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中，税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX：租房系统数据库性能优化实践 在租房管理系统中，rent表是核心业务表之一，通常存储租赁订单信 ...
2025-09-01
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
