excel数据离散化处理(数据离散化的方法)

导语：Excel数据分析——数据离散化

首先解释下什么叫离散化

一般来说，数据分析过程中会用到的数据大概可以分成两类，连续的，或者离散的

这两类有什么区别呢？一般来说，连续数据指的是取值范围内可以是任意一个数值，包括后面有小数点也OK的那种数据，而离散数据一般是用来表示分类或次序，任意两个取值间不方便再随便插数值进去的序列，比如性别男或女（第三性别的请单独列为一类，别强行插队）

离散化，指的就是原本是连续的数据，但现在我们想按照分类的方式来计算，所以要把它按一定规则分组来表示

举个例子，比如我们有下面这样一组数据，共175个数，取值比较随机而且基本都带小数点：

额，头尾两截取得不太凑巧，还是列一下数据大致特征好了：

可以看到，这是一组分布在-289到122之间的数据，如果我们要把它离散化成几个组，那该怎么分呢？

1） 比较简单的一种方式是等宽离散化，意思就是每个组的数据范围都分成一样大，在这里我们假设分成10个组，那么每组的宽度就是：

(122-(-289))/10=41.1

分组后的结果如下：

画成直方图的分布情况：

这种分组方式虽然方便，但是缺点也很明显，那就是当数据的分布不太均匀的时候，有的分组中包含的数据只有一两个，甚至再差点的情况可能会没有数据，这样的话就会有好些分组都没有意义，也没法做后续的分析，所以要考虑下用另一种方式

2） 等深离散化：这个方式分组出来的结果宽度是不齐的，但是基本会保证每组包含差不多数量的数据

假设还是分10个组，175个数据相当于每组应该包含175/10约18个数据，这里为了操作方便，我用了Excel数据分析工具里的排序和占比（不确定翻译的准不，不准的话请看图）

输出结果如下：

按照我们需要的每18个一组，分出来大概是这样：

画个直方图再看下：

嗯，这个分法看起来勉强可以，但好像还是有点别扭，要不，咱再改改？

3） 人工调整分组：根据上面等深分组的情况可以看到，其实除了两端数据较少导致组宽度明显偏大，其实大多数组宽度还算是比较均匀的，基本在15-20左右，排除两头的异常后，中间组别3到9的宽度平均在19.45，所以这里我尝试改成以下分法：

按人工调整的结果再画一下直方图看看效果：

组6 和组7包含的数据个数少了些，咱再合并一下吧

最终出来的结果如下：

这样看着还行不？

---------------------------------End------------------------------

免责声明:本站部份内容由优秀作者和原创用户编辑投稿，本站仅提供存储服务，不拥有所有权,不承担法律责任。若涉嫌侵权/违法的，请反馈，一经查实立刻删除内容。本文内容由快快网络小梓创作整理编辑！