字典是python中的映射数据类型，由键和值构成。几乎所有的数据类型都可以用作键的，但我还是建议使用数字或者字母。值可以使任意类型的数据，我们用大括号{}来定义一个字典，下面是具体的用法：

• 新建一个字典，host是键，earth是值。这个字典只有一个键

• 将host的值设置成1000，方法是：

• 我们可以用这个方法来输出所有的键

• 我们可以向字典中键和值

• 利用循环的方法输出所有的键和值

转载请注明来自DataScience.

邮箱: 675495787@qq.com

k-means聚类是聚类方法中的一种，通常我们要预先确定case到底可以分为几类，然后才能进行这个聚类分析。另外，注意查看各个变量的量纲、平均数、方差齐性，如果不满足同质性，需要进行正太化转变，当然，数据要满足正态分布才可以啊哦。
工具/原料

• 这种聚类方法不能自动的计算变量的Z分数，如果数据差异过大，量纲不同，需要进行z分数的转换，下面的操作没有告诉你如何转换z分数，你需要注意

• k-means的聚类的原理是迭代，迭代本身是无限的过程，如果没有命令，计算机就一直迭代下去，这样计算会很慢，所以我们设置一个迭代次数，比如100，那么迭代100次就必须停止。活着spss中有迭代停止的标准

• spss20.0
  方法/步骤

• 准备好数据，在菜单栏上执行：analyse–classify–k-means cluster，打开k平均数对话框

• 将聚类用到的指标变量放入variables，将客户的编码放到label cases by当中，把客户编号作为case的标签

• 接着要设置聚类的类别数目，如图所示，这个数目不是随便给的，他有两个来源：要么是你根据工作经验，认为数据分为几类是最合理的；要么是你有前人的研究证明分为几类。

• 在主对话框中，点击iterate按钮，打开迭代对话框

• 将最大迭代次数设置为100，下图你看到的默认的迭代次数为10，但是数据量越大，迭代次数就应该越多，所以我们设置为100.点击continue按钮，返回到主对话框。

• 点击save按钮，因为我们想要保存分类的结果，并将结果保存到一个变量当中

• 打开一个自对话框，勾选cluster membership，点击continue返回到主对话框

• 点击ok，开始运行数据，并输出数据结果

• 我们看到的第一个表格叫做初始聚类中心，它列出每一个类别初始的中心点，这些中心点都是spss自动生成的。因为case的顺序会影响到中心点的位置，所以我们需要让case的顺序是随机的，有必要的时候要进行随机化处理

• 下面的两个表格是迭代过程表，你可以看到每一次迭代中心点的变化值，当中心点的变化小于初始类别中心最小距离的2%的时候，迭代就停止了，你看到的第二幅图在迭代35次以后就停止了迭代

• 下面这个表格叫做最终聚类中心，也就是各个类别在各个变量上的平均值，它可以帮助我们根据变量的平均值来给分类赋予实际的意义

• 最后的表格叫做各个类别case数，你可以读出在每一个类别中有多少case

转载请注明来自DataScience.

邮箱: 675495787@qq.com

因子分析算是spss高级进阶的内容了，一般缺少统计基础的人很难理解因子分析的数据基础，导致在数据分析的时候忽略很多细节，导致错误的发生。在因子分析中最容易发生的一个错误就是某些变量的因子载荷出现负数而没有对其进行处理，有的研究直接删除因子载荷为负数的变量，这不是一个可取的方法。

• 什么条件下需要进行指标正向化：在因子载荷绝对值很大而符号为负的时候，我们要将其正向化；或者我们在数据分析之前就已经知道哪几个变量是负向变量，我举一个例子，如下图所示，这是8个城市的7个环境指标，其中X1–X4是正向指标，值越大环境越好；而剩下的指标就是负向指标，值越大环境越差。那么对于负向指标我们需要进行正向化。

• 无法判定是否需要正向化怎么办？我们可以预先进行一次因子分析，使用上面表格中的数据，进行一次因素分析，并进行正交旋转。旋转后的成分矩阵，如图所示：我们看到权重最大的因子是成分1，5–7变量为负数，且绝对值很大，所以这三个变量有必要进行正向化。

• spss中变量正向化的方法：在spss中，我们一般采用原始变量的负数或者倒数来进行正向化。在spss菜单中选择：转换–计算变量

• 打开计算变量对话框，输入一个变量名，然后输入公式，公式中的V5是原始的变量名，前面加一个符号就可以实现转换了，点击ok按钮

• 转换后得到的就是一个新变量b5，如图所示，以此方法你可以实现所有的变量的正向化。

• 使用新的变量进行因子分析：关于因子分析的方法你可以参考我以前写的文章，这里不是重点，这里的重点是如何进行变量的正太化。好了，教程到此了。欢迎大家关注我的后续文章。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

今天处理了一个数据，录入格式非常不规范，他将一道多选题录入到了一个单元格，看下面图，一个单元格里放入了ABCD等多个选项，这样是无法做统计分析的，尤其是无法再spss做分析，必须要拆分单元格才可以，下面的教程就是教大家，多选题录入到了一个单元格，怎么将其重新编码成0和1构成的矩阵。

• 在【题目24】单元格后面依次填入24个英文字符（ps，这个多选题有24个选项，如果你的多选题只有4个选项，可以只输入abcd四个字母）。你可以参考我以前的文章：【Excel2013 快速填充26个英文字母】

• 在AF2单元格，我们输入公式：=IF(ISERROR(IF(FIND(AF$1,$AE2)>0,1,0)),0,IF(FIND(AF$1,$AE2)>0,1,0))

• 向下快速填充，填充满整列

• 选中AF整列，然后向右拖动右下角，快速填充24个列

• 到此为止，我们就完成了所有将一个单元格的多选题答案转换成了0-1矩阵。这样就可以放入spss中进行分析了。

转载请注明来自DataScience.

邮箱: 675495787@qq.com

python的if语句和其他语言有些不同，它没有用括号来表示代码块，而是使用缩进，现在乍听一下你可能不太明白，用下面的例子来感受一下缩进的写法：

• if的基本语法格式看下面：第一行是条件语句，如果满足条件就会执行第二行，没有括号或者结束语句，比如endif，没有。

• 假如第二行没有缩进，就会产生错误。

• 新手容易犯一个错误就是条件语句后面不写冒号，出现这样的错误：

• 我们假如有多个条件，我们可以使用else，当条件不满足的时候执行它下面的语句块。当然else是顶个写，并且后面记得写冒号。

• 如果还有更多的条件，我们可以使用elif，同样不要忘记冒号和缩进

转载请注明来自DataScience.

邮箱: 675495787@qq.com

经常给别人做数据分析，拿到的数据都是很不规范的，比如下面这个例子，单元格中的数据是ABCD而不是数字1234，这样的数据是无法放入到spss中进行处理的，所以我们需要对这个进行重新编码，在Excel中使用vba是比较快速的方法，这里我跟大家分享一下我的方法：

• 明确目标：把ABCD转换成1234，如图所示，题目1这一列是我转换完成的，题目3这一列是还没有进行转换的。

• 我们使用快捷键alt + F11，打开vbe编辑窗口

• 掺入一个模块：菜单上执行【插入】-【模块】

• 将这段代码粘贴到模块中：

• Sub 替换abcd()

• Dim iRng As Range
  

• Set iRng = Selection
  

• For Each icell In iRng
  

•     txt = icell.Value
  

•     Select Case txt
  

•     Case "A"
  

•         icell.Value = 1
  

•     Case "B"
  

•         icell.Value = 2
  

•     Case "C"
  

•         icell.Value = 3
  

•     Case "D"
  

•         icell.Value = 4
  

•     Case "E"
  

•         icell.Value = 5
  

•     End Select
  

• Next icell
  

• End Sub

• 保存并关闭vbe窗口，然后按下快捷键alt+F8，打开宏编辑窗口，选中这个唯一的宏，然后点击【选项】按钮

• 设置快捷键为Ctrl+q，然后点击确定按钮

• 下面开始使用这个宏来转化数据，如图，先选中要转换的这一列，然后按下快捷键【Ctrl+q】，你可以看到数据快速得到转换。abcd都变成了1234

转载请注明来自DataScience.

邮箱: 675495787@qq.com

确保你正确安装了setuptools，或者你可以查看我在百度经验写的这篇文章【setuptools下载安装方法】，然后我们就可以进行下面的扩展库的安装过程了，安装方法非常简单，下面来演示一下：

• 打开运行窗口

• 输入cmd，点击确定按钮

• 在这里我们试试输入easy_install是否安装正确，提示这个消息，说明安装正确了。

• 使用easy_install+包名的方法来安装包。你无需自己下载包，只需要这个命令

• 看到这个提示消息，说明安装成功了。

• 在python中引入这个模块试试是否安装成功

• 没有看到任何提示，说明安装成功了

• 我们可以使用easy_install -m 包名 来卸载一个包

转载请注明来自DataScience.

邮箱: 675495787@qq.com

我们绘制出来折线图以后，经常需要更改图中曲线的样式，比如，在做论文的时候，图表的颜色要求必须是黑白的，不能使用彩色，所以只能把折线图的曲线样式改变一下，以便将不同的曲线区别开，下面我们就来看看如何更改折线图的折线样式：

• 选中我们要使用的数据，以此数据创建折线图

• 在菜单栏上执行：插入–推荐的图标，打开一个对话框，从中选择折线图即可

• 到这里就可以看到我们的折线图，下面要对折线的样式进行更改

• 双击图例，如图所示，即可打开设置对话框，在右侧边栏

• 接着选中其中一个图例进行更改，比如我们选择happy

• 在侧边栏中选择边框–短线类型，这样就可以更改折线的样式，将直线变成了曲线

• 同样的方法，把其他的折线都改成唯一的样式，以便和其他的折线相区分，这样就完成了样式的更改

转载请注明来自DataScience.

邮箱: 675495787@qq.com

关于逆序数的概念大家自行百度，这里介绍一下逆序数的求法，我将课本上的方法截图在下面：

• 先来看看这几个序列：

• 引入相关模块并设定一个标准序列（也就是自然数序列）

• 在Python中，我们输入这几个序列

• 输出四个序列的逆序数

• 这是求解的答案：

转载请注明来自DataScience.

邮箱: 675495787@qq.com

这里从《实用多元统计分析》（理查德~约翰逊)这本书里摘出一个例子，看题目：

• 引入相关模块

• 创建几个符号，代码已知量

• sigma代表已知的X矩阵的协方差矩阵
  sigma =

• u代表已知的x矩阵的均值向量
  这是均值向量

• 、这是线性组合的系数矩阵

• 计算均值向量，利用均值向量的计算公式：
  代码为：
  求得：

• 同样，我们利用协方差矩阵的公式：
  代码为：

• 求得结果为：

转载请注明来自DataScience.

邮箱: 675495787@qq.com