spss输出的结果文档用到最多的就是数据透视表（pivot table），在spss中，数据透视表被分为三个部分：行标签列表、列标签列表、数据列表。你可能还不理解这些内容。我们从这篇开始介绍数据透视表的行标签，并用python读取行标签，然后输出。看看代码吧：

• 这是在spss结果文档中输出的一个数据透视表，我们要读取它的行标签

• 这就是行标签，但是它并不像我们看到的那么简单，我们试着读取行标签就知道了

• 创建一个python脚本文件：outputTrim.py，下图中你可以看到该文件存放的目录

• 接着先写入代码StartClient和stopclient，所有操作spss的代码都应该放在这两句之间。

• 我们详细讲解一下代码的意义，先看这两句，假如我们只打开了一个结果文档，我们使用第一句代码可以获取该文档的句柄；第二句获取该文档下所有的输出项目，里面包含但不仅限于数据透视表，outputItems是一个列表

• 通过循环，我们可以找到名称为’Descriptive Statistics’的数据透视表。我们看下面的if语句，首先判断输出项是不是PIVOT，然后判断该输出项的标题为’Descriptive Statistics’的PIVOT，获取标题用的是GetDescription

• 这句代码是将找到的这个输出项转换为数据透视表，这样才能使用数据透视表所具有的类和方法

• 这一句就是获取数据透视表的行标签

• 我们用这个循环来输出所有的行标签，看看输出结果是啥样的

• 这就是输出结果，跟数据透视表对比一下，你就知道行标签到底代表着什么。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

假如有一个单选题，有五个选项，我现在想知道每一个选项有都少人选，怎么办？其实这是一个最简单的频率统计问题，我们把在spss中的统计过程列在以下，请参考：

• 首先，我们在菜单栏上执行：分析–描述统计–频数

• 在这里，我们将想要统计的题目放到变量框

• 点击ok开始统计

• 在输出的表格中，我们的频率一栏就是我们要统计的内容了。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

上一篇文章介绍了独立样本T检验，现在接着使用Python进行相关样本的T检验，主要用到了scipy.stats.ttest_rel，我们先来看看其基本的用法：

• 引入相关模块，这次我们使用stats的

• 产生两列随机变量，用到了stats。norm.rvs，参数loc表示平均数，scale表示标准差，size是样本量
  这是产生的两个变量的数据的一部分

• ttest_rel的用法：输出t和p值
  从p值可以看出，这两列数据是没有差异的。

• 当然，ttest_rel还可以接受pandas.DataFrame数据，先从excel中读取数据
  我们可以看一下数据的基本内容：

• 我们可以选择scoreA和ScoreB这两列数据进行T检验
  输出的结果可见两列变量均值无差异

• 我们还可以同时对多个变量进行检验，比如：
  这是产生的结果可见：第一个array表示t值，两个表示p值，因此我们可以知道p(scoreA)=0.126>0.05

转载请注明来自DataScience.

邮箱: 675495787@qq.com

给函数绘图的时候经常需要创建一个数组，这时候就用到了fromfunction函数，用以从函数中创建数组，我们下面还是用具体的例子说明一下fromfunction的方法：

• 先从numpy中引入所有

• 我们创建一个函数，它是y=i*2的表示形式

• 我们使用fromfunction函数，创建一个数组a，看a返回的的结果，所以a中存储的就是y的值，而i其实就是数组的索引，数组a反应的是i取值从0到1时，y的值。fromfunction的第二个参数定义了数组的形状，也就是说参数(5,)表示i取值范围是[0,1,2,3,4]

• 假如要创建的是二维数组，也就是说函数式有两个自变量，比如y=i*j这个函数，我们在python的表示形式是

• 以这个函数创建一个数组，我们看结果,参数(10,10)表示i的取值范围和j的取值范围是[0,1,2,3,4,5,6,7,8,9]，数组b中存放的就是函数返回的值

• 换一种取值范围，看看结果

• 这个很好理解

转载请注明来自DataScience.

邮箱: 675495787@qq.com

python如何创建文件夹，用到了mkdir和makedirs两个方法，前者创建一层目录，后者创建多层目录，下面我们来看看具体是怎么用的。

• 先要引入os模块

• 使用mkdir方法创建一个tt文件夹，参数是文件夹的路径：

• 假如我们使用mkdir方法创建多层文件夹，也就是说，文件夹f:/tt1和文件夹f:/tt1/tt1都是不存在的，这时候就会出现错误

• 我们可以使用makedirs方法来创建多层目录：

• 写完这篇文章，你可能想知道，如何删除目录呢，幸好我前几天已经写完了一篇如何删除文件夹的文章，具体见：http://jingyan.baidu.com/article/39810a23e80384b636fda639.html

转载请注明来自DataScience.

邮箱: 675495787@qq.com

今天使用python3.2来编辑程序的时候，突然发现一个错误name ‘raw_input’ is not defined，原因是从版本3.0 开始去掉了raw_input 函数，改用input。所以两个函数合并在了一起，所以今天只讲input函数就可以了。input函数用于弹出一个对话框，提示用户输入内容，输入的内容可以直接显示出来，也可以赋值给某个变量。

• 基本用法是：input(‘输入要显示的文字’)

• 弹出一个对话框，让你输入，假如我们输入“你好”

• 立刻会出现这个输入的内容。

• 我们输入

• 弹出对话框，假如我们输入“www”

• a的值就是“www”

转载请注明来自DataScience.

邮箱: 675495787@qq.com

今天我处理的数据是一个百分比数据（一看就知道是卡方检验啊！），一个题有三个选项，现在我想要知道被试选择这三个选项的概率是否相同？被试是不是偏爱选择某一个选项呢？这是一个很常见的检验百分比是否均等的问题，我们看看下面具体的教程吧。

• 首先，我们看看数据结构，先来看第二次选择的时候，有三个选项，被试是不是喜欢选择某一个或者某两个选项呢？用卡方来检验以下

• 在菜单中依次打开：analyse-nonparametric texts-legacy dialogs-chisquare

• 将要检验的变量放入testvariablelist，点击添加按钮

• 我们要检验的是这三个选项被选择的概率是否相同，虚无假设肯定就是三个选项概率相同，所以我们需要选择【all categories equal】

• 如果你不需要其他的检验，你可以点击ok按钮，这时候你就会看到卡方检验的结果了

• 先看第一个表格，第一列是观察到的数字，第二列是期望数字，也就是虚无假设

• 第二个表格就是卡方检验的结果，卡方值为32，概率是0，所以拒绝虚无假设。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

宏就是能够实现一定功能的一组命令，学习VBA的时候基本的就是宏。宏除了我们自己编写以外，还可以录制，这让没有学过计算机语言的人也能够运用宏。下面是具体的方法：
方法/步骤

• 打开excel，先选中要转换格式的一个单元格，记住一定要先选中它，然后点击录制宏。

• 打开录制宏对话框，你可以给宏起一个名字，帮助你以后使用的时候方便，将其保存在个人宏中，然后点击确定按钮

• 接下来我们几开始录制宏了，右键单击已经被选中的单元格，在右键菜单中选择：单元格格式

• 打开一个数据格式对话框，我们将数据格式设置成百分比，然后点击确定按钮

• 到这，宏的录制就完成了，点击停止录制宏按钮，然后我们看一下如何使用这个宏

• 选择一批想要转换格式的数据，如图所示，然后点击工具栏上面的【宏】

• 在打开的对话框中，选择刚才录制的这个宏，然后点击运行

• 最后看一下，这些数据就快速的转换 成了百分比。用这种自动的方法可以快速的完成数据的转换。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

瀑布图就是看起来像瀑布（我也不知道谁给的名字），总之看起来也不是很像。看下面这个图吧，它可以直观的看到在总计中，各个部分的的组成成分和大小，有点饼图的功能，不多说了，看看我们怎么在Excel 2013中绘制一个瀑布图吧！

• 先来看看数据，包含项目、销量，然后我们自己增加一个【站位】，功能就是占位

• 在c2单元格输入0，然后在c3单元格输入公式，然后向下拖动，快速填充公式；公式的目的就是计算累加和

• 这就是填充好的数据了

• 接着选中数据，然后插入直方图，选择如图所示的直方图类型

• 看到了吧，目前就是酱紫

• 我们设置一下不同部分显示不同的数据，右键单击直方图，然后选择【选择数据】

• 在这里，我们将【站位】移动到上一层，点击确定

• 有一点瀑布图的效果了

• 接着，我们设置数据系列格式，吧站位的直方图都设置为透明的

• 在填充选项中，设置为无填充

• 瀑布图已经做出来了，但是，我们还需要设置数据标签，删掉图中多余的内容

• 这才是最后的效果，瀑布图制作完毕!

转载请注明来自DataScience.

邮箱: 675495787@qq.com

设A是数域上的一个n阶方阵，若在相同数域上存在另一个n阶矩阵B，使得： AB=BA=E。 则我们称B是A的逆矩阵，而A则被称为可逆矩阵。当矩阵A的行列式|A|不等于0时才存在可逆矩阵。而伴随矩阵的定义我 从网上找到了一个：

• 先来求一下矩阵的逆，先引入numpy

• 然后创建一个方阵A

• 使用linalg.det求得方阵的行列式

• 使用linalg.inv求得方阵A的逆矩阵

• 接着我们利用公式：
  numpy的计算方法：

• 以下是今天用到的所有代码

• import numpy as np

• A=np.array([[1,-2,1],[0,2,-1],[1,1,-2]])

• A

• array([[ 1, -2, 1],

•    [ 0,  2, -1],
  

•    [ 1,  1, -2]])
  

• A_abs=np.linalg.det(A)

• A_abs

• -3.0000000000000004

• B=np.linalg.inv(A)

• B

• array([[ 1. , 1. , 0. ],

•    [ 0.33333333,  1.        , -0.33333333],
  

•    [ 0.66666667,  1.        , -0.66666667]])
  

• A_ni=B*A_abs

• A_ni

• array([[-3., -3., -0.],

•    [-1., -3.,  1.],
  

•    [-2., -3.,  2.]])
  

• A_bansui=B*A_abs

• A_bansui

• array([[-3., -3., -0.],

•    [-1., -3.,  1.],
  

•    [-2., -3.,  2.]])
  

转载请注明来自DataScience.

邮箱: 675495787@qq.com