实验8-1 数据分析
一、实验目的
1. 理解数据挖掘的一般流程。
2. 掌握数据探索和预处理的方法。
3. 使用PHSTAT软件，结合Excel对给定的数据进行手工预处理。
4. 使用WEKA软件，对给定的数据进行预处理。
二、实验内容
在D盘中以“班级-学号-姓名”命名一个文件夹，将下发的数据拷贝到该文件夹下，根据不同要求，对下发的文件进行相应的数据分析和处理。
0. 数据集介绍
银行资产评估数据bank-data.xlsx，数据里有12个属性，分别是id（编号）, age（年龄）, sex
（性别）, region（地区）, income（收入）,married（婚否）, children（子女数）, car（是否有私家车）, save_act（是否有定期存款）, current_act（是否有活期账户）, mortgage（是否有资产抵押）, pep（目标变量，是否买个人理财计划Personal Equity Plan）。
1．数据探索之数据质量分析
新建“1-数据质量分析.xlsx”文件，导入“0-bank_data.xlsx”文件数据，请你用EXCEL对其进行数据质量分析。
【要求】
（1）请出bank_data.xlsx表中的含有缺失值的记录。
（2）请你用PHSTAT软件绘制“income（收入）”属性的箱线图和点比例图，筛选出异常值。
（3）计算Whisker上限、Whisker下限，并利用高级筛选，出该属性的异常值记录。
【提示】
（1）请出bank_data.xlsx表中的含有缺失值的记录。
方法1：条件格式法
1）选取A1：L601区域。
2）开始 --> 条件格式 --> 新建规则（N）...，在"新建格式规则"对话框中，选择空值。如图8-1所示。
图8-1 “新建格式规则”对话框
3）点击“格式(F)…”按钮，设置特殊格式，高亮显示。如图8-2所示。
图8-2 设置条件格式
方法2：
1）缺失值定位。“开始”→“编辑 / 查和选择”→“定位”对话框 →“定位条件”按钮。
2）“定位条件”对话框 → 选择“空值”，如图8-3所示。
   
图8-3 “转到（G）…”下拉菜单命令 和“定位条件”对话框
（2）绘制“income”属性箱线图和点比例图。高级筛选出异常值。
“加载项 / PHStat”→ “Descriptive Statistics”→“Boxplot…”或”Dot Scale Diagram…“命令。如图8-4所示。注意选中“income”属性，如果数据区域包括标题行（E1单元格），则勾选下面的First cell contains label选项，否则，不用勾选First cell contains label选项。
 
（a）        （b）
 
（c）        （d）
图8-4 PHSTAT 软件的“箱线图”和“点比例图”绘制
计算income属性的最小值、最大值、第一四分位数、中位数、第三四分位数。以及Whisker下限和上限。
表8-1 四分位数表
箱线图
公式
数值
最小值
=MIN(E2:E601)
或=QUARTILE.INC(E2:E601,0)
5014.21
最大值
=MAX(E2:E601)
或=QUARTILE.INC(E2:E601,4)
78843.21
第一分位数
=QUARTILE.INC($E$2:$E$601,1)
17264.5
第二分位数
（中位数）
=MEDIAN($E$2:$E$601)
或=QUARTILE.INC(E2:E601,2)
24925.3
第三分位数
countifs函数为何总为零=QUARTILE.INC(E2:E601,3)
36172.675
Whisker上限
=QL-1.5*（Qu-QL）
-11097.763
Whisker下限
=Qu+1.5*(Qu-QL)
64534.9375
高级筛选，筛选出大于Qu，小于QL的离点。
1）设置条件区域，如图8-5所示。
income
<-11097.7625
>64534.9375
图8-5 高级筛选“条件区域”
2）设置高级筛选。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。