分组求均值，举个俩字来说就是，一个数据分为男生和女生，那么分别求男生和女生的平均值就是分组均值，要求分组均值就要确定总共有多少分组，比如我们要求不同性别的人不同的学历的人他们每周花费在报纸上的钱有多少，这样有性别和学历两个变量进行分组了。
方法/步骤

• 打开数据文件以后，打开平均数对话框，在菜单栏上执行：analyze–compare means –means

• 将每周买报纸花费的钱作为因变量，将性别作为自变量，如图所示，然后点击next，我们来设置第二层自变量

• 将最好学历作为第二层自变量，放到independent list，如果你还有要求分组均值的自变量，你可以继续点击next，不过我这里已经不用了

• 点击options来设置要输出的参数

• 系统给出的默认值有：平均数、数据记录数、标准差。如果你需要其他的参数，还可以从左侧的列表里选择，然后点击continue

• 回到了平均数对话框，点击ok即可输出不同分组的平均数。

• 这就是输出的结果：

转载请注明来自DataScience.

邮箱: 675495787@qq.com

如何计算方阵的行列式，用到的是numpy模块的linalg.det方法，关于行列式的定义你应该懂，但是其实也不用记住，以后直接用numpy计算就可以了。下面我们看看如何使用numpy计算矩阵的行列式吧：

• 行列式的算法：这是二阶方阵行列式

• 行列式的算法：这是三阶行列式

• 先引入numpy模块

• 创建两个方阵

• 使用det方法求得方阵E和方阵F的行列式

• 这是今天用到的所有代码

• E

• array([[1, 2, 3],

•    [4, 5, 6],
  

•    [7, 8, 9]])
  

• F

• array([[-1, 0, 1],

•    [ 2,  3,  4],
  

•    [ 5,  6,  7]])
  

• np.linalg.det(E)

• 6.6613381477509402e-16

• np.linalg.det(F)

• 2.664535259100367e-15

• C

• array([[1, 2],

•    [1, 3]])
  

• np.linalg.det(C)

• 1.0

转载请注明来自DataScience.

邮箱: 675495787@qq.com

窗口中通常有菜单栏，菜单栏中包括很多菜单，每一个菜单中包括很多选项，比如一个简单的记事本：里面菜单有：文件、编辑、格式等等。下面我们就来亲手制作一个菜单栏——以便让我们退出程序。

• 先看一下我们所有的代码

• 重点要说的首先是这句：创建菜单栏
  这就是菜单栏：

• 创建一个菜单
  这是一个菜单：

• 向菜单中添加一个选项：
  也就是这个选项：

• 现在我们将创建好的菜单添加到菜单栏

• 最后，我们将设置好的菜单栏添加到窗口：
  将菜单中的选项与命令绑定，这样才能在点击选项的时候执行某个动作：
  到此我们的菜单栏就做好了，运行程序可以看到效果

转载请注明来自DataScience.

邮箱: 675495787@qq.com

方法/步骤

• 首先需要整理数据，数据文件结构对重复测量方差分析很重要，一定要把每次测量作为一个变量（把每个实验处理作为一个变量）!!!

• 在spss中执行：菜单栏–analyse–GLM–repeated measured，打开重复测量对话框

• 我们给变量写入一个名称，这个名称随便填，然后输入变量的水平数，这个要看你的研究了，在我的研究中，变量只有四个水平，所以就填4，如图所示

• 点击add按钮，将变量添加到下面的框，然后点击define按钮，打开一个新的对话框

• 将四个水平的变量放入右侧的框中，然后点击ok，开始处理数据

• 我们要看的第一个表格是球星检验的结果，如果sig值大于0.05，就认为符合球星检验

转载请注明来自DataScience.

邮箱: 675495787@qq.com

如图所示，假如我隐藏了B列，而A咧和C列是可以选中的，那么我们复制A:C就可以将ABC三列复制下来，那么隐藏的单元格也就暴露了。所以今天我教给大家两个方法保护工作表，都可以防止复制。

• 将需要隐藏的单元格先隐藏，这里就省略了隐藏的过程，然后我们点击菜单上的：审阅–保护工作表

• 输入密码，勾选前两个选项，然后点击确定按钮。

• 提示你重新输入密码，重新输入密码，点击确定按钮

• 当别人尝试复制你的Excel的时候就会看到无法选中你的单元格，也就无法取消隐藏的单元格。

• 先选中所有单元格

• 按下快捷键Ctrl+1，打开【设置单元格格式】对话框，切换到【保护】标签，取消这两个选项，点击确定

• 接着，我们将B列移动到A列，方法是：剪切B列，然后在A列上右键单击，选择【插入复制的列】，这样B列就移动到了A第一列，这很重要，我们这一步的关键点就是：【将要隐藏的列移动到第一列（A列）】。。。

• 选中A列，按下快捷键Ctrl+1，打开【设置单元格格式】对话框，切换到【保护】标签，勾选【锁定】和【隐藏】，点击确定

• 隐藏A列：右键单击A列，然后选择【隐藏】

• 接着我们保护一下工作表，点击【保护工作表】

• 输入密码，记得勾选下面的前两项，点击确定按钮。

• 现在已经完成了设置，别人无法复制隐藏的第一列数据，可以修改编辑复制其他列数据。如果你打算隐藏的数据不仅仅是一列还有很多列，你可以将所有隐藏列放到表格的最前面，然后隐藏、在保护单元格。这样最前面隐藏的单元格都是无法被选中的，也即是无法被复制查看修改的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

k-s检验是用来检验数据是否符合正态分布的，因为在检验之前我们并不知道该数据是否符合正态分布，所以这种检验属于非参数检验。对要检验的数据也没有限制，只要数据量够大就可以，数据量偏少会造成检验不准确。下面来具体介绍k-s检验的过程和结果分析。
方法/步骤

• 在spss中打开数据，怎么打开就不介绍了，打开数据以后，在菜单栏上执行：analyze–非参检验–legacy disalogs–1 sample k-s

• 将你要检验正态的变量放到test variables list，勾选下面的normal，这是正态的意思。

• 点击exact，进入选择检验方法的对话框

• 这里有三个选项可以选择，第一个asymptotic的意思是基于渐进分布的显著性水平的检验指标，适于大样本，如果样本过小或者分布不好，就会影响检验的效力；monte carlo适用于精确显著性水平的无偏估计，如果样本过大，数据处理过程太长，就应该使用这个选项；exact精确计算概率值，可以设定数据处理的时间，如果数据处理时间超过了你设定时间30分钟，就应该使用monte carlo

• 回到k-s检验对话框，点击options按钮，设置输出的参数

• 勾选descriptive和quartiles，这两个的意思分别是输出描述性统计和四分位数，点击continue按钮

• 我们可以看到对数据的检验结果，最后的显著性检验值为0.000，非常显著。我们首先要知道在做显著性检验的时候虚无假设是数据符合正态分布，因为检验显著，所以否定虚无假设，所以数据是不符合显著性的要求的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

克隆巴赫α系数是我们经常用到的一个信度指标，它指的是某一个维度内，不同题项间的一致程度，在编制问卷或者做探索性因素分析时，我们通常会报告α系数来表明我们的问卷可靠程度或者结构效度。那么在spss中如何计算科隆巴赫系数呢？下面是具体的方法：

• 录入数据，如图所示，假如这八个变量都是因子1的几个题项，那么如何计算这个因子的信度呢？

• 在菜单中执行：reliability analysis，如图所示，也就是信度分析

• 将这个几个变量放入右侧的items框，记住这几个题项是属于一个维度或者因子的，点击ok即可得到科隆巴赫系数

• 有时候我们有大量的信度系数要计算，比如一个问卷有12个维度，每个维度都有一个信度系数，我们就需要重复的操作，不过我们可以使用命令，快速实现，在信度分析对话框中，我们点击paste

• 在命令窗口中，我们找到variables这个命令后面的item，如图所示，这里就是变量名，如果我们想要计算其他的信度，我们可以将变量名进行修改，然后选中所有的命令，点击执行按钮

转载请注明来自DataScience.

邮箱: 675495787@qq.com

Excel用多了，今天突然感觉启动、运行、操作的速度都很慢，于是想了想办法，搜罗了各种加速的方法跟大家分享，主要的方法是减少启动项目、设置Excel配置，我们还是看具体的操作吧。

• 我们先来打开选项对话框，执行：文件–选项

• 在常规菜单下，先来取消显示开始屏幕，我们取消勾选“此应用程序启动时显示开始屏幕”

• 接着，在保存选项下，我们设置一下保存的位置为本地，然后设置保存的路径。

• 在高级选项下，我们禁用硬件图形加速，这是解决Excel卡顿现象的关键

• 在加载项选项中，转到Excel加载项

• 这些加载项暂时用不到，所以要将其取消勾选，等我们用到的时候再勾上

• 接着转到com加载项

• 同样，这些加载项都不要勾，等你用着的时候再勾选就可以了。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

今天讲集合set对象的操作，这是上一篇经验的续集，所以你要先看上一篇才可以，上一篇的链接：【http://jingyan.baidu.com/article/597a064369b570312a524350.html】，接着上一篇经验来讲，废话不多说，仍然是使用例子让你自己来体会，看看集合对象在python中是如何使用的。

• 先创建两个集合，以备后用。

• 求两个集合对称差分

• 集合添加某一个元素

• 集合删除某一个元素

• 求集合的长度

• 用in判断某个元素是否在集合中

• 用issubset判断某个集合是否是另一个集合的子集

• 判断某个集合是否是另一个集合的父集

• 求并集

• 求交集

• 求差

• 下面的等式相当于x=x|y

• 删除一个元素，同时输出这个元素

• 删除全部元素

转载请注明来自DataScience.

邮箱: 675495787@qq.com

今天用python采集数据的时候遇到了已给问题，就是这个字符串怎么匹配：“/”,其实就是一个反斜杠一个斜杠，我用的是正则表达式来匹配，因为反斜杠是转义字符，我们还是看看具体的教程吧。

• 我们先来看看反斜杠+斜杠在python中的存放的方式，将下面的一堆绿色字符传递给txt这个变量

• 我们直接显示的字符和print出来的字符是不一样的。注意看http:后面的字符，直接显示出来的是“\/”而print出来的是“/”，那我们匹配的时候是按照“\/”还是“/”来匹配呢？

• 我们先给出正确的答案，我们需要匹配“\/”

• 假如我们想要匹配“/”，实际上得到的是“/”

• 如我们不使用r，也就是raw string，同样无法正确匹配

• 当然，下面这种情况也是错误的。

转载请注明来自DataScience.

邮箱: 675495787@qq.com