我前面說過，在數(shù)據(jù)分析中，我們要處理的表都是結(jié)構(gòu)化數(shù)據(jù)表。什么是結(jié)構(gòu)化？用白話來說，“數(shù)據(jù)表”(table)的第一行是每列的名稱，其馀所有行都是數(shù)字值，如下圖所示

下圖是一個(gè)非結(jié)構(gòu)化數(shù)據(jù)表的示例。

數(shù)據(jù)分析要處理的表是第一個(gè)圖中所示的結(jié)構(gòu)化數(shù)據(jù)表，SQL語句要處理的表的格式也是結(jié)構(gòu)化的。在實(shí)際工作中，數(shù)據(jù)源不是結(jié)構(gòu)化的，非結(jié)構(gòu)化的數(shù)據(jù)格式也各不相同。為此，在保存到數(shù)據(jù)庫(kù)之前，必須根據(jù)實(shí)際工作結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)。

今天，我將分享一個(gè)在非結(jié)構(gòu)化表中使用Excel轉(zhuǎn)換為結(jié)構(gòu)化表的示例。以NBA數(shù)據(jù)為例，要分析運(yùn)動(dòng)員在比賽中的成績(jī)，我們必須在一個(gè)表格中輸入統(tǒng)計(jì)數(shù)據(jù)。一般來說，我們沒有辦法獲得每場(chǎng)比賽的原始統(tǒng)計(jì)數(shù)據(jù)，但賽后統(tǒng)計(jì)數(shù)據(jù)都放在網(wǎng)站上。如下圖所示。

但是，如果選擇將數(shù)據(jù)復(fù)制到Excel，則結(jié)構(gòu)如下：

此數(shù)據(jù)的格式不是結(jié)構(gòu)化數(shù)據(jù)表，此表的格式不能存儲(chǔ)在數(shù)據(jù)庫(kù)中，例如行與行之間的空格。還有一些不是我們想要的數(shù)字，例如“undefined”。名字列中的選手的姓氏和名字沒有列入數(shù)字。我們要把這張表轉(zhuǎn)換成表格。我的方法如下。

第一步：刪除“undefined”，首先選擇“名稱”列，然后選擇Ctrl H。此功能是用其他數(shù)值替換表中的某些數(shù)值。在此示例中，使用空格代替“undefined”代替“undefined”，然后單擊Replace All。

這樣可以消除不想要的數(shù)字。

第二步：把選手的名字放在數(shù)據(jù)里。在此階段，我使用的方法是在名稱和位置之間插入兩列，在D2中輸入公式“=C3”，然后下拉，如下圖GIF所示。

如下圖GIF所示，在E2中輸入公式=CONCAT(C2，'-'，D2)。

這樣獲得了新的名字列，從這一列可以看出，一些選手的名字比較正常。

第三步：取消部分中間空格。在此階段，我使用的方法是選擇G列，然后單擊Data中的filter以減去blank。如下圖所示。

然后，您可以將數(shù)據(jù)從“名稱”列復(fù)制到最后，然后將其粘貼到新工作表中。例如，如果將“%”替換為命中率，將“/-”替換為“正數(shù)負(fù)數(shù)”，則可以獲得格式化的數(shù)據(jù)表。

上圖所示為結(jié)構(gòu)化數(shù)據(jù)表，因此可以將格式表輸入到數(shù)據(jù)庫(kù)系統(tǒng)中，以執(zhí)行以下分析：

當(dāng)然，在實(shí)際工作中，非結(jié)構(gòu)化數(shù)據(jù)可以說是多種多樣的。今天只是一個(gè)使用Excel將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化的簡(jiǎn)單例子。我個(gè)人認(rèn)為Excel在這方面非常強(qiáng)大。因?yàn)樯厦嫣岬降囊幌盗辛鞒桃部梢杂肊xcel的Macro記錄，下次只要復(fù)制和粘貼數(shù)據(jù)，就可以自動(dòng)生成結(jié)構(gòu)化數(shù)據(jù)表單。(大衛(wèi)亞設(shè)，Northern Excel(美國(guó)電視劇)，Northern Excel)希望今天的分享能幫助大家。

在網(wǎng)上拍照，入侵并刪除。