数据分析基础课程 第2章 数据的收集.pptxVIP

目录/Contents;2.1 理解数据;;2.1.2 数据的呈现形式 1．不同个体在同一标志上的不同取值 在Excel中，这样的数据可以排成一列，也可以排成一行或一个矩形块。 某公司100名职工的月基本工资数据资料如图2-2和图2-3所示。;2．数据清单 不同个体在多个标志上的取值所组成的二维表格，在Excel中叫数据清单，如图2-4所示。 ;Excel数据清单包含一行列标题和多行数据，清单中的每一列称为一个字段，列标题称为字段名（即统计学中的标志）；清单中的每一列数据的类型和格式完全相同；清单中每一行数据称为一条记录。 数据清单中不能有合并单元格的形式。 多个相关的数据清单在一起，就称为一个数据库。 ;2.2 数据的来源; 3．问卷调查法 问卷调查法是把调查项目列于表格上形成问卷，通过发放问卷搜集调查对象情况的一种采集资料的方法。问卷中问题的设计应注意以下原则。 （1）具体性原则，即问题的内容要具体，不要提抽象、笼统的问题。 （2）单一性原则，即问题的内容要单一，不要把两个或两个以上的问题合在一起提。 （3）通俗性原则，即表述问题的语言要通俗，不要使用使被调查者感到陌生的语言，特别要避免使用过于专业的术语。 （4）准确性原则，即表述问题的语言要准确，不要使用模棱两可、含混不清或容易产生歧义的语言或概念。 ;（5）简明性原则，即表述问题的语言应该尽可能简单明确，不要冗长和啰唆。 （6）客观性原则，即表述问题的语言要客观，不要有诱导性或倾向性语言。 （7）非否定性原则，即要避免使用否定句形式表述问题。 （8）可能性原则，即必须符合被调查者回答问题的能力。凡是超越被调查者理解能力、记忆能力、计算能力、回答能力的问题，都不应该提出。 （9）自愿性原则，即必须考虑被调查者是否自愿真实回答问题。凡被调查者不可能自愿真实回答的问题，都不应该正面提出。;4．抽样调查法 抽样调查法是根据随机性原则，从研究对象的总体中抽取一部分个体作为样本进行调查研究，据此推断有关总体的数字特征的研究方法。抽样应遵循以下原则。 （1）随机取样。 （2）取样应具有代表性。 （3）若样本由具有明显不同特征的部分组成，应按比例从各部分抽样。 5．实验法 实验法是在设定的特殊实验场所、特殊状态下，对调查对象进行实验以获得所需的资料。 6．报告法 报告法是通过报告单位根据一定的原始记录和台账，根据统计表的格式和要求，按照隶属关系，逐级向有关部门提供统计资料的一种调查方法。;7．自动生成 在大数据时代，数据的产生方式呈现多样化，如从传感器、摄像头自动收集的数据，电子商务在线交易日志数据、应用服务器日志数据等自动保存的数据都是自动生成的数据。;2.2.2 二手数据 二手数据也称为次级数据，是指那些从同行或一些媒体上获得的、经过加工整理的数据，比如国家统计局定期发布的各种数据，从报纸、电视上获取的各种数据。 1．导入Access数据 （1）在Excel中单击“数据”|“自Access”按钮，如图2-5所示。;（2）在弹出的对话框中选择需要的Access文件“图书销售.accdb”，如图2-6所示。 ;（3）单击“打开”按钮，在弹出的对话框中选择需要的表“销售情况”，如图2-7所示。 （4）在弹出的对话框中确定数据的显示方式和放置位置，如图2-8所示。 ;（5）单击“确定”按钮，导入的结果如图2-9所示。 ;2．导入网站表格数据 （1）在Excel中单击“数据”|“自网站”按钮，如图2-10所示。 （2）输入或复制并粘贴网址。 ;导入的结果如图2-12所示。 （3）也可以选择网页上的数据后，单击鼠标右键，在弹出的快捷菜单中选择“复制”命令，如图2-13所示，再到Excel中粘贴即可。 ;3．利用爬虫软件下载网络数据 万维网上更多的数据是以非表格形式呈现的。 如何有效地提取并利用这些信息成为一个巨大的挑战。 为了解决上述问题，定向抓取相关网页资源的软件——聚焦网络爬虫应运而生。 聚焦网络爬虫是一种能自动下载万维网数据的程序，它能按照一定的规则，根据既定的目标，自动地抓取万维网上的数据。