易侕数据清理操作指南.pdfVIP

易侕数据清理操作指南 下载练习数据：/empowerStats/exdata/dataclean_test.txt 操作步骤： I. 第一步：将要清理的 EXCEL 或其它格式数据文件存成 Unicode Text 文件。 II. 第二步：选择要清理的数据文件，逐个点击列标题，浏览变量分布、选择清理操作。 III. 第三步：清理数据、查看与下载变量说明、浏览与下载数据。 原始数据类型与清理方法： 1. 分类型字符数据，如不孕类型。程序自动按频数排序，自动编码，必要时可修改编码。变量描述自 动赋值为列标题，用户可以修改变量描述。点击“直接保存”。 2. 数字型连续性数据，如体重指数。程序自动统计变量分布： 自动检测极端值并列出，用户可以对检出的极端值进行更正。如体重指数39.24： 自动列出原始数据中错误输入的字符型数据，用户可以对之重新赋值。如体重指数22.-6 赋值为 22.6： 对极端值与字符值（如有）进行更正与赋值后，修改变量描述（如需要），点击“直接保存”。 3. 文字型罗列名称，如治疗用药。程序自动列出各种文字描述及其出现频数： 这类数据需转换成每种名称(药)是否使用的哑变量。选择分隔符，此例分隔符为“，”。如果有多 种可能的分隔符，可以同时列出，中间用 ||分隔，如 “,||;||s”表示逗号或分号或空格分隔(S 表示空格，大小写不限)。点击“转成多选题”。 程序自动计算各名称(药)出现的频率，按频率排序，为每种名称(用药)生成一个哑变量。用户可以 将相似或同种名称(药)的哑变量编号改成同一编号，以合并相似或同种名称(药)。然后点击“更新 哑变量”。程序自动列出原始数据转换后各哑变量的赋值： 修改变量描述（如需要），点击“保存哑变量”。 使用“排除项”剔除不需要的选项。使用方法是：输入关键词，程序自动查找字段中是否有输入的 关键词，如有将不列为哑变量选项。关键词的输入规则是： “^”、“+”、“%”、“！”、 “~”、“`”(英文状态输入)分别表示开头、结束、包含、不包含、等于、不等于。例如要从字符 串：“1.乙肝病毒携带（1.4.5+）；2.前次剖宫产；3.子宫肌瘤合并妊娠；4.孕4 产 1 39+3 周妊娠LOA 待产”中提取分类变量：乙肝病毒携带、子宫肌瘤合并妊娠。要剔除分类：前次剖宫 产、孕4 产 1 39+3 周妊娠LOA 待产。可以用： “+产”（表示以“产”字结束的不要）。 选择 “删除开头数字或序号”即删除“1.乙肝病毒携带（1.4.5+）”开头的“1. ”。 选择“删除括号及括号内字符”即删除 “1.乙肝病毒携带（1.4.5+）”中的“ （1.4.5+）”。 4. 文字描述型数据，如移植胚胎评价。程序自动列出各种文字描述及其出现频数： 这类数据需要从文字中提取信息。通过给定起始与终止符选择要提取的信息，如要提取胚胎序号， 起始符“胚胎序号”，只提取后面的1 位数字， “#”表示1 位数字，终止符可省略。变量描述改 为胚胎序号，点击“提取信息”。 程序自动提取信息，并对提取出来的信息进行频数统计，如果提取出来的信息全为数字，自动按数 字型变量处理子变量，如胚胎序号。 提取出胚胎序号后，点击“保存”。可以再提取其它信息。 如提取出来的信息含文字，程序自动对信息进行编码，用户可以对个别无法通过规定起始符与终止 符的文字记录手动输入提取的信息与编码。 提取数字时可以规定数字位数，1 个“#”表示1 个位数，中间可以有其它符号，如“##.#”表示 两位整数加1 位小数。 前字符与后字符可以有多种，中间用||分隔。 要提取的信息也可以有多种，中间用||分隔。 例：要从字符串：“1.乙肝病毒携带（1.4.5+）；2.前次剖宫产；3.子宫肌瘤合并妊娠；4.孕 4 产 1 39+3 周妊娠LOA 待产”中： （i）提取孕次 = 4，可以定义为 “孕”后面1 位数，也可以定义为 “产”前面的1 位数： （ii）提取孕周 = 39，可以定义为“+”号前面的2 位数或 “产[0-9]”后面的两位数。 “产[0- 9]”表示产加1 位数。 其它操作： 1. 当有已清理并保存的列标题后，“清理数据”按键才被激