
如何將連續(xù)變量創(chuàng)建為變量
要創(chuàng)建分類變量inccat:
從數(shù)據(jù)編輯器窗口的菜單中選擇:
轉(zhuǎn)換> 可視離散化...
在初始的“可視離散化”對話框中,選擇要為其創(chuàng)建新的離散化變量的刻度變量和/或 有序變量。離散化是指取兩個或多個連續(xù)值并將其分組為同一類別。 由于可視離散化依賴于數(shù)據(jù)文件中的實際值以幫助您做出良好的離散化選擇,因 而其需要先讀取數(shù)據(jù)文件。如果您的數(shù)據(jù)文件包含大量個案,則完成此過程將需要一 段時間,因此,這一初始對話框還允許您限制要讀?。ā皰呙琛保┑膫€案數(shù)。我們 的樣本數(shù)據(jù)文件不需要此限制。盡管此數(shù)據(jù)文件包含6,000 多個案,但掃描這些 個案不需要太長時間。
將Household income in thousands [income] 從“變量”列表中拖放到“要離散的變量”列表中,然后單擊繼續(xù)。
在“可視離散化”主對話框中,選擇“已掃描的變量列表”中的Household income in
thousands [income]。直方圖顯示了所選變量的分布(在此例中,分布嚴重偏斜)。
輸入inccat2 作為新的離散化變量名稱,輸入Income category [in thousands] 作
為變量標簽。
單擊生成分割點。
選擇等寬度間隔。
輸入25 作為第一個分割點的位置,輸入3 作為分割點數(shù)量,并輸入25 作為寬度。離散化類別的數(shù)量比分割點數(shù)量多一個。因此在本示例中,新的離散化變量將具有四個類別,其中前三個類別中每個包含的范圍為25(千),最后一個類別包含最高割點值75(千)以上的所有值。
單擊應用。
網(wǎng)格中當前顯示的值表示所定義的分割點,這些分割點是每個類別的上端點。直方圖中的垂直線還指示了各分割點的位置。
默認情況下,這些分割點值將包含在相應的類別中。例如,第一個值25 將包含所有小于或等于25 的值。但在本示例中,我們希望這些類別對應于小于25、25–49、50–74 以及75 或更高。
在上端點組中,選擇排除(<)。
然后單擊生成標簽。
這將自動為每個類別生成描述性值標簽。由于為新的離散化變量指定的實際值只是從1開始的連續(xù)整數(shù),因此這些值標簽可能非常有用。還可以在網(wǎng)格中手動輸入或更改分割點和標簽,通過在直方圖中拖放分割點線來更改分割點位置以及通過將分割點線拖出直方圖來刪除分割點。數(shù)據(jù)分析師培訓
單擊確定以創(chuàng)建新的離散化變量。
新變量將顯示在數(shù)據(jù)編輯器中。由于該變量將添加到文件的末尾,因此顯示在數(shù)據(jù)視圖的最右側(cè)一列,變量視圖的最后一行中。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實踐的落地者與價值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價值,最終要在 “實踐” 中體現(xiàn) —— 脫離業(yè)務場景的分 ...
2025-09-10