不管是T-SQL还是T-SQL增强版都是从标准的SQL语言演化来的，可能局部语法上有一些改动，但总体上都是一样的。况且SQL Server的每个版本都具有很好的前向兼容性。所以在2008中使用2005的语言格式不会有任何问题。。
ROLLUP和CUBE 用法
Oracle的GROUP BY语句除了最基本的语法外，还支持ROLLUP和CUBE语句。如果是Group by ROLLUP(A, B, C)的话，首先会对(A、B、C)进行GROUP BY，然后对(A、B)进行GROUP BY，然后是(A)进行GROUP BY，最后对全表进行GROUP BY *** 作。
如果是GROUP BY CUBE(A, B, C)，则首先会对(A、B、C)进行GROUP BY，然后依次是(A、B)，(A、C)，(A)，(B、C)，(B)，(C)，最后对全表进行GROUP BY *** 作。 grouping_id()可以美化效果。除了使用GROUPING函数，还可以使用GROUPING_ID来标识GROUP BY的结果。
也可以 Group by Rollup(A,(B,C)) ，Group by A Rollup(B,C)，…… 这样任意按自己想要的形式结合统计数据，非常方便。
Rollup()：分组函数可以理解为group by的精简模式，具体分组模式如下：
Rollup(a,b,c): (a,b,c),(a,b),(a),(全表)
Cube():分组函数也是以group by为基础，具体分组模式如下：
cube(a,b,c):(a,b,c),(a,b),(a,c),(b,c),(a),(b),(c),(全表)
下面准备数据比较一下两个函数的不同：
1、准备数据：
2、使用rollup函数查询
select group_id,job,name,sum(salary) from GROUP_TEST group by rollup(group_id,job,name)；
3、使用cube函数：
select group_id,job,name,sum(salary) from GROUP_TEST group by cube(group_id,job,name)
4、对比：从最后查询出来的数据条数就差了好多，下面看一下将两个函数从转化成对应的group函数语句：
rollup函数：
select group_id,job,name,sum(salary) from GROUP_TEST group by rollup(group_id,job,name);
等价于：
select group_id,job,name,sum(salary) from GROUP_TEST group by group_id,job,name
union all
select group_id,job,null,sum(salary) from GROUP_TEST group by group_id,job
union all
select group_id,null,null,sum(salary) from GROUP_TEST group by group_id
union all
select null,null,null,sum(salary) from GROUP_TEST
cube函数：
select group_id,job,name,sum(salary) from GROUP_TEST group by cube(group_id,job,name) ;
等价于：
select group_id,job,name,sum(salary) from GROUP_TEST group by group_id,job,name
union all
select group_id,job,null,sum(salary) from GROUP_TEST group by group_id,job
union all
select group_id,null,name,sum(salary) from GROUP_TEST group by group_id,name
union all
select group_id,null,null,sum(salary) from GROUP_TEST group by group_id
union all
select null,job,name,sum(salary) from GROUP_TEST group by job,name
union all
select null,job,null,sum(salary) from GROUP_TEST group by job
union all
select null,null,name,sum(salary) from GROUP_TEST group by name
union all
select null,null,null,sum(salary) from GROUP_TEST
5、由此可见两个函数对于汇总统计来说要比普通函数好用的多，另外还有一个配套使用的函数
grouping():当字段为null的时候值为1，当字段非null的时候值为0；
select grouping(group_id),job,name,sum(salary) from GROUP_TEST group by rollup(group_id,job,name);
6、添加一列用来直观的显示所有的汇总字段：
select group_id,job,name,
case when name is null and nvl(group_id,0)=0 and job is null then '全表聚合'
when name is null and nvl(group_id,0)=0 and job is not null then 'JOB聚合'
when name is null and grouping(group_id)=0 and job is null then 'GROUPID聚合'
when name is not null and nvl(group_id,0)=0 and job is null then 'Name聚合'
when name is not null and grouping(group_id)=0 and job is null then 'GROPName聚合'
when name is not null and grouping(group_id)=1 and job is not null then 'JOBName聚合'
when name is null and grouping(group_id)=0 and job is not null then 'GROUPJOB聚合'
else
'三列汇总' end ,
sum(salary) from GROUP_TEST group by cube(group_id,job,name) ;
本文是对pandas官方网站上《10 Minutes to pandas》的一个简单的翻译，原文在这里。这篇文章是对pandas的一个简单的介绍，详细的介绍请参考：Cookbook 。习惯上，我们会按下面格式引入所需要的包：
一、 创建对象
可以通过 Data Structure Intro Setion 来查看有关该节内容的详细信息。
1、可以通过传递一个list对象来创建一个Series，pandas会默认创建整型索引：
2、通过传递一个numpy array，时间索引以及列标签来创建一个DataFrame：
3、通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame：
4、查看不同列的数据类型：
5、如果你使用的是IPython，使用Tab自动补全功能会自动识别所有的属性以及自定义的列，下图中是所有能够被自动识别的属性的一个子集：
二、 查看数据
详情请参阅：Basics Section
1、 查看frame中头部和尾部的行：
2、 显示索引、列和底层的numpy数据：
3、 describe()函数对于数据的快速统计汇总：
4、 对数据的转置：
5、 按轴进行排序
6、 按值进行排序
三、 选择
虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场，但是作为工程使用的代码，我们推荐使用经过优化的pandas数据访问方式： at, iat, loc, iloc 和 ix详情请参阅Indexing and Selecing Data 和 MultiIndex / Advanced Indexing。
l 获取
1、 选择一个单独的列，这将会返回一个Series，等同于dfA：
2、 通过[]进行选择，这将会对行进行切片
l 通过标签选择
1、 使用标签来获取一个交叉的区域
2、 通过标签来在多个轴上进行选择
3、 标签切片
4、 对于返回的对象进行维度缩减
5、 获取一个标量
6、 快速访问一个标量（与上一个方法等价）
l 通过位置选择
1、 通过传递数值进行位置选择（选择的是行）
2、 通过数值进行切片，与numpy/python中的情况类似
3、 通过指定一个位置的列表，与numpy/python中的情况类似
4、 对行进行切片
5、 对列进行切片
6、 获取特定的值
l 布尔索引
1、 使用一个单独列的值来选择数据：
2、 使用where *** 作来选择数据：
3、 使用isin()方法来过滤：
l 设置
1、 设置一个新的列：
2、 通过标签设置新的值：
3、 通过位置设置新的值：
4、 通过一个numpy数组设置一组新值：
上述 *** 作结果如下：
5、 通过where *** 作来设置新的值：
四、 缺失值处理
在pandas中，使用npnan来代替缺失值，这些值将默认不会包含在计算中，详情请参阅：Missing Data Section。
1、 reindex()方法可以对指定轴上的索引进行改变/增加/删除 *** 作，这将返回原始数据的一个拷贝：、
2、 去掉包含缺失值的行：
3、 对缺失值进行填充：
4、 对数据进行布尔填充：
五、 相关 *** 作
详情请参与 Basic Section On Binary Ops
统计（相关 *** 作通常情况下不包括缺失值）
1、 执行描述性统计：
2、 在其他轴上进行相同的 *** 作：
3、 对于拥有不同维度，需要对齐的对象进行 *** 作。Pandas会自动的沿着指定的维度进行广播：
Apply
1、 对数据应用函数：
直方图
具体请参照：Histogramming and Discretization
字符串方法
Series对象在其str属性中配备了一组字符串处理方法，可以很容易的应用到数组中的每个元素，如下段代码所示。更多详情请参考：Vectorized String Methods
六、 合并
Pandas提供了大量的方法能够轻松的对Series，DataFrame和Panel对象进行各种符合各种逻辑关系的合并 *** 作。具体请参阅：Merging section
Concat
Join 类似于SQL类型的合并，具体请参阅：Database style joining
Append 将一行连接到一个DataFrame上，具体请参阅Appending：
七、 分组
对于”group by” *** 作，我们通常是指以下一个或多个 *** 作步骤：
（Splitting）按照一些规则将数据分为不同的组；
（Applying）对于每组数据分别执行一个函数；
（Combining）将结果组合到一个数据结构中；
详情请参阅：Grouping section
1、 分组并对每个分组执行sum函数：
2、 通过多个列进行分组形成一个层次索引，然后执行函数：
八、 Reshaping
详情请参阅 Hierarchical Indexing 和 Reshaping。
Stack
数据透视表，详情请参阅：Pivot Tables
可以从这个数据中轻松的生成数据透视表：
九、 时间序列
Pandas在对频率转换进行重新采样时拥有简单、强大且高效的功能（如将按秒采样的数据转换为按5分钟为单位进行采样的数据）。这种 *** 作在金融领域非常常见。具体参考：Time Series section。
1、 时区表示：
2、 时区转换：
3、 时间跨度转换：
4、 时期和时间戳之间的转换使得可以使用一些方便的算术函数。
十、 Categorical
从015版本开始，pandas可以在DataFrame中支持Categorical类型的数据，详细 介绍参看：categorical introduction和API documentation。
1、 将原始的grade转换为Categorical数据类型：
2、 将Categorical类型数据重命名为更有意义的名称：
3、 对类别进行重新排序，增加缺失的类别：
4、 排序是按照Categorical的顺序进行的而不是按照字典顺序进行：
5、 对Categorical列进行排序时存在空的类别：
十一、 画图
具体文档参看：Plotting docs
对于DataFrame来说，plot是一种将所有列及其标签进行绘制的简便方法：
十二、 导入和保存数据
CSV，参考：Writing to a csv file
1、 写入csv文件：
2、 从csv文件中读取：
HDF5，参考：HDFStores
1、 写入HDF5存储：
2、 从HDF5存储中读取：
Excel，参考：MS Excel
1、 写入excel文件：
2、 从excel文件中读取：
来自为知笔记(Wiz)
概述
今天主要分享下Oracle数据库分组函数group by 、 rollup、cude、grouping 、grouping sets的常用用法，以下以Oracle自带schema做演示。
1、group by的使用
--根据DEPTNO和JOB进行分组。求相同DEPTNO,相同JOB的员工工资总和。
SELECT EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY EDEPTNO,EJOB ORDER BY EDEPTNO;
2、group by 配合rollup的使用
rollup()--可以使用一个或者多个参数。意思是从右向左进行数据的汇总统计，并生成一行，rollup是个统计函数。
以下是根据分组情况进行统计，最终进行全部汇总。
（1）简单的使用rollup--生成一行新数据。(要生成新的一行数据，还可以使用UNION ALL)
SELECT DDUMMY FROM DUAL D GROUP BY ROLLUP(DDUMMY);
（2）先根据EDEPTNO,EJOB进行分组，然后从右向左
SELECT EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY ROLLUP(EDEPTNO,EJOB) ORDER BY EDEPTNO;
针对以上的使用ROLLUP的结果的理解：
a：首先根据GROUP BY EDEPTNO,EJOB查询出9条数据（除4，8，12，13外），在根据rollup的定义，从右向左，对ROLLUP中的参数进行小计
首先根据JOB(对所有的JOB进行汇总)，汇总出4，8，12行，在根据EDEPTNO(对所有的DEPTNO进行汇总),汇总出第十三行数据。
(3) 特殊情况
SELECT EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY ROLLUP(EJOB,EDEPTNO) ORDER BY EDEPTNO;
理解：首先根据GROUP BY EDEPTNO,EJOB查询出前九条数据，其次对EDEPTNO进行汇总，但是必须考虑JOB，也就是相同的JOB，的所有的工资总和，所以出现下面五条数据。
3、group by 配合cube的使用
SELECT EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY CUBE(EDEPTNO,EJOB) ORDER BY EDEPTNO;
理解：CUBE会对条件中的每一个条件进行单独的汇总：即对单独的列进行汇总
GROUP BY CUBE(EDEPTNO,EJOB)首先根据：GROUP BY EDEPTNO,EJOB查询数据，其次对EJOB进行汇总(不考虑DEPTNO，单独汇总，而ROLLUP是在同一个DEPTNO下面)再对EDEPTNO进行汇总，最后全部汇总。
cube(a,b) 统计列包含：(a,b)、(a)、(b)、()
cube(a,b,c) 统计列包含：(a,b,c)、(a,b)、(a,c)、(b,c)、(a)、(b)、(c)、()
4、GROUPING 的使用
GROUPING函数可以接受一列，返回0或者1。如果列值为空，那么GROUPING()返回1；如果列值非空，那么返回0。GROUPING只能在使用ROLLUP或CUBE的查询中使用。当需要在返回空值的地方显示某个值时，GROUPING()就非常有用。
SELECT GROUPING(EDEPTNO), EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY ROLLUP(EDEPTNO,EJOB) ORDER BY EDEPTNO;
可以使用decode或者case函数进行转换这种不友好的显示：
SELECT
CASE WHEN grouping(EDEPTNO) = 1
THEN '总计'
ELSE EDEPTNO || ''
END AS 部门,
CASE WHEN grouping(EJOB) = 1 AND grouping(EDEPTNO) = 0
THEN '小计'
ELSE EJOB
END AS 工作种类,
SUM(ESAL) FROM EMP E GROUP BY ROLLUP(EDEPTNO,EJOB)
ORDER BY EDEPTNO;
SELECT DECODE(GROUPING(EDEPTNO), 1, '总计', EDEPTNO) AS 部门,
CASE
WHEN GROUPING(EJOB) = 1 AND GROUPING(EDEPTNO) = 0 THEN
'小计'
ELSE
EJOB
END AS 工作种类,
SUM(ESAL)
FROM EMP E
GROUP BY ROLLUP(EDEPTNO, EJOB)
ORDER BY EDEPTNO;
5、grouping sets提供了指定汇总集合条件的功能
根据EDEPTNO,EJOB分别汇总数据。
SELECT EDEPTNO,EJOB,SUM(ESAL) FROM EMP E GROUP BY GROUPING SETS(EDEPTNO,EJOB);
觉得有用的朋友多帮忙转发哦！后面会分享更多devops和DBA方面的内容，感兴趣的朋友可以关注下~
注意 ）Oracle中的字符串是严格区分大小写的 日期和字符只能在单引号中出现
）把列与列 列与字符连接在一起用 || 符号
）列的别名 紧跟列名 也可以在列名和别名之间加入关键字 AS 以便在别名中包含空格或特殊的字符并区分大小写 使用双引号
例子
SELECT last_name || is a || job_id AS Employee Details
FROM employees
where first_name like %s_ ;
通用函数
空值是无效的 未指定的 未知的或不可预知的值 空值不是空格或者 包含空值的数学表达式的值都为空值
这些函数适用于任何数据类型 同时也适用于空值
NVL (expr expr )
NVL (expr expr expr )
NULLIF (expr expr )
COALESCE (expr expr exprn)
（ ）NVL (expr expr ) >expr 为NULL 返回expr 不为NULL 返回expr 注意两者的类型要一致
（ ）NVL (expr expr expr ) >expr 不为NULL 返回expr 为NULL 返回expr expr 和expr 类型不同的话 expr 会转换为expr 的类型
（ ）NULLIF (expr expr ) >相等返回NULL 不等返回expr
（ ）COALESCE(expr expr exprn) >列表中第一个非空的表达式是函数的返回值 如果所有的表达式都是空值 最终将返回一个空值
条件表达式在SQL语句中使用IF THEN ELSE 逻辑 可以使用两种方法:–CASE表达式 CASE expr WHEN parison_expr THEN return_expr [WHEN parison_expr THEN return_expr WHEN parison_exprn THEN return_exprn ELSE else_expr] END
–DECODE函数 DECODE ( col | expression search result [ search result ] [ default] )
分组函数
分组函数作用于一组数据 并对一组数据返回一个值
组函数语法
SELECT [column ] group_function(column)
FROM table
[WHERE condition]
[GROUP BY column]
[ORDER BY column];
注意 在SELECT列表中所有未包含在组函数中的列都应该包含在GROUP BY子句中
(所用包含于SELECT列表中 而未包含于组函数中的列都必须包含于GROUPBY子句中)
但包含在GROUP BY 子句中的列不必包含在SELECT列表中
且可以在在GROUP BY子句中包含多个列
不能在WHERE子句中使用组函数 但可以在HAVING子句中使用组函数
使用HAVING过滤分组
行已经被分组
使用了组函数
满足HAVING子句中条件的分组将被显示
SELECT column group_function
FROM table
[WHERE condition]
[GROUP BY group_by_expression]
[HAVING group_condition]
[ORDER BY column];
子查询
语法
SELECT select_list
FROM table
WHERE expr operator
(SELECT select_list
FROM table);
注意 子查询(内查询) 在主查询之前一次执行完成
子查询的结果被主查询使用(外查询)
子查询要包含在括号内
将子查询放在比较条件的右侧
除非进行Top N 分析 否则不要在子查询中使用ORDER BY子句
单行 *** 作符对应单行子查询 多行 *** 作符对应多行子查询
单行 *** 作符operator 多行 *** 作符operator
= 等于 IN 等于列表中的任何一个
> 大于 ANY 和子查询返回的任意一个值比较
>= 大于等于 ALL 和子查询返回的所有值比较
< 小于 EXISTS 功能等价于IN
<= 小于等于
<> 不等于
DECODE和CASE SELECT中除GROUP BY 子句以外的所有子句中 都可以使用单行子查询
在子查询中使用HAVING子句
SELECT select_list
FROM table
[GROUP BY group_by_expression]
[HAVING group_condition] expr operator
(SELECT select_list
FROM table);
在FROM子句中使用子查询 例子
SELECT a last_name a salary a department_id b salavg
FROM employees a (SELECT department_id AVG(salary) salavg
FROM employees
GROUP BY department_id) b
WHERE a department_id = b department_id
AND a salary > b salavg;
有两个简单例子 以说明 exists 和 in 的效率问题
) select from T where exists(select from T where T a=T a) ;
T 数据量小而T 数据量非常大时 T <<T 时 ) 的查询效率高
) select from T where T a in (select T a from T ) ;
T 数据量非常大而T 数据量小时 T >>T 时 ) 的查询效率高
exists 用法
请注意 ）句中的有颜色字体的部分 理解其含义
其中 select from T where T a=T a 相当于一个关联表查询 相当于
select from T T where T a=T a
但是 如果你当当执行 ） 句括号里的语句 是会报语法错误的 这也是使用exists需要注意的地方
exists（xxx） 就表示括号里的语句能不能查出记录 它要查的记录是否存在
因此 select 这里的 其实是无关紧要的 换成 也没问题 它只在乎括号里的数据能不能查找出来 是否存在这样的记录 如果存在 这 ） 句的where 条件成立
in 的用法
继续引用上面的例子
) select from T where T a in (select T a from T )
这里的 in 后面括号里的语句搜索出来的字段的内容一定要相对应 一般来说 T 和T 这两个表的a字段表达的意义应该是一样的 否则这样查没什么意义
打个比方 T T 表都有一个字段 表示工单号 但是T 表示工单号的字段名叫 ticketid T 则为 id 但是其表达的意义是一样的 而且数据格式也是一样的 这时 用 ）的写法就可以这样
select from T where T ticketid in (select T id from T )
EXISTS *** 作符
EXISTS *** 作符检查在子查询中是否存在满足条件的行
如果在子查询中存在满足条件的行
– 不在子查询中继续查找
– 条件返回TRUE
如果在子查询中不存在满足条件的行
– 条件返回FALSE
– 继续在子查询中查找
相关子查询
相关子查询按照一行接一行的顺序执行 主查询的每一行都执行一次子查询 子查询使用了主查询中的列
SELECT column column
FROM table outer
WHERE columnk operator (SELECT colum colum
FROM table
WHERE expr= outer expr);
相关更新
使用相关子查询依据一个表中的数据更新另一个表的数据
UPDATE table alias
SET column = (SELECT expression
FROM table alias
WHERE lumn = lumn);
相关删除
使用相关子查询依据一个表中的数据删除另一个表的数据
DELETE FROM table alias
WHERE column operator (SELECT expression
FROM table alias
WHERE lumn = lumn);
WITH子句
使用WITH子句 可以避免在SELECT语句中重复书写相同的语句块
WITH子句将该子句中的语句块执行一次 并存储到用户的临时表空间中
使用WITH子句可以提高查询效率
我们可以使用WITH Clause来定义一个query block 然后在SELECT statement的其它地方使用这个query block 如果在一个很复杂的 Query 里 我们必须重复地使用某个 subquery 那么使用WITH Clause可以降低Query的复杂度以及提高 performance 因为WITH Clause 所读出的资料会暂存在User的temporary tablespace中
WITH子句应用举例
WITH
dept_costs AS (SELECT d department_name SUM(e salary) AS dept_total
FROM employees e departments d
WHERE e department_id = d department_id
GROUP BY d department_name)
avg_cost AS (SELECT SUM(dept_total)/COUNT() AS dept_avg
FROM dept_costs)
SELECT
FROM dept_costs
WHERE dept_total > (SELECT dept_avg
FROM avg_cost)
ORDER BY department_name;
GROUP BY 扩展
带有ROLLUP和CUBE *** 作的GROUP BY子句
使用带有ROLLUP和CUBE *** 作的GROUP BY子句产生多种分组结果
ROLLUP产生n + 种分组结果 其是对GROUP BY子句的扩展
CUBE产生 的n次方种分组结果 其是对GROUP BY子句的扩展
注 其中的n指的是group_by_expression的数目
ROLLUP *** 作符 ROLLUP产生n + 种分组结果 顺序是从右向左
SELECT [column ] group_function(column)
FROM table
[WHERE condition]
[GROUP BY [ROLLUP] group_by_expression]
[HAVING having_expression]
[ORDER BY column];
CUBE *** 作符 CUBE会产生类似于笛卡尔集的分组结果
SELECT [column ] group_function(column)
FROM table
[WHERE condition]
[GROUP BY [CUBE] group_by_expression]
[HAVING having_expression]
[ORDER BY column];
GROUPING函数 能够实现更加直观的分组结果显示提示
SELECT [column ] group_function(column) [GROUPING(group_by_expression)]
FROM table
[WHERE condition]
[GROUP BY [ROLLUP] [CUBE] group_by_expression]
[HAVING having_expression]
[ORDER BY column];
GROUPING函数可以和CUBE或ROLLUP结合使用
使用GROUPING函数 可以找到哪些列在该行中参加了分组
使用GROUPING函数 可以区分空值产生的原因
GROUPING函数返回 或
GROUPING SETS
GROUPING SETS是对GROUP BY子句的进一步扩充
使用GROUPING SETS可以实现在同一个查询中定义多个分组集
Oracle 对GROUPING SETS子句指定的分组集进行分组后用UNION ALL *** 作将各分组结果结合起来
Grouping set 的优点
– 只进行一次分组即可
– 不必书写复杂的UNION语句
– GROUPING SETS中包含的分组项越多性能越好
以下例子实现了对department_id job_id分组 对job_id manager_id分组 最终形成两个分组
SELECT department_id job_id manager_id avg(salary)
FROM employees
GROUP BY GROUPING SETS ((department_id job_id) (job_id manager_id));
复合列
复合列是被作为整体处理的一组列的集合
使用括号将若干列组成复合列在ROLLUP或CUBE中作为整体进行 *** 作
在ROLLUP或CUBE中 复合列可以避免产生不必要的分组结果
例如 GROUP BY ROLLUP( department_id (job_id manager_id)); //小括号实现复合列
连接分组集
连接分组集可以产生有用的对分组项的结合
将各分组集 ROLLUP 和CUBE用逗号连接 Oracle自动在GROUP BY子句中将各分组集进行连接
连接的结果是对各分组生成笛卡尔集
例如 GROUP BY GROUPING SETS(a b) GROUPING SETS(c d);
lishixinzhi/Article/program/Oracle/201311/18505
从原有变量计算新变量
从头定义变量的情况多数在建立数据集时出现。但是，当数据集已经建立，需要整理、转换变量时，碰到的更多情况是需要根据某种条件从原有变量计算新变量。下面我们将按菜单条目的顺序依次讲解他们的功能。但是，首先我们需要了解一下所用的对话框界面的情况。
SPSS对话框元素介绍
这是一个非常典型的SPSS对话框。它包含了许多具有SPSS特色的对话框元素：
对话框左侧为候选变量列表框，里面列出了可被该对话框使用的变量；
右上方为Test Variables框，可将变量选入其中；注意在两个框的中间用“”相连，这是变量移动按钮，其方向表明是将变量从那个框移动到哪个框，上图中我们选中了变量group，两个移动按钮均变黑并向右指，表明变量group可以移动到他们右侧的两个框里去，改变当前框（在其他两个框里单击），移动按钮就会转向、变灰等以表明不同的意思（墙头草一个，可别小看这个功能，我想用VB实现这个功能，也是费了些工夫才把它搞定了）；
右侧为一排五个按钮，分别是确定、粘贴、重置、取消和帮助。这五个兄弟也是几乎永远一起出现的，另外四个大家都比较熟悉了，重置（Reset）按钮用于取消对话框内已做的选择，恢复到默认的状态；
最下方有个Options按钮，用于设置专门用于该对话框的选项；
OK、Paste两个按钮为灰色，表明所需条件尚未满足，该按钮暂不可用。同理，Grouping Variable框下方的Define Groups按钮为灰色显示，也表明暂不可用。
Compute Variable对话框
例32 在li1_1sav中建立新变量temp，令其值当血磷值大于1时为2，否则为1。
解：这里需要用到Compute Variable对话框，外加一点技巧。首先给变量temp均赋值为1，然后将血磷值大于1的记录其temp变量值改为2即可。选择菜单Transform==>Compute，d出Compute Variable对话框如下：
左上角为需要计算的变量名，在其中键入“temp”，此时“Type&Lable”按钮就会变黑，喜欢精确的朋友可以在这里对temp进行详细的定义，但如果你和我一样非常懒，就可以对它视而不见（不要生气，聪明人大多都非常懒:)）；左下方为候选变量列表，现在还用不着；中部为类似计算器的软键盘，可以用鼠标按键输入数字和符号，这里我们直接输入“1”，输入的内容回立刻在右上方的数值表达式窗口中出现；软键盘右侧为函数窗口，可以在这里找到并使用所需的SPSS函数；这次也用不到。好，现在“OK”按钮已经变黑，单击他，系统就会自动生成一个新变量temp，并且取值均为1。
软键盘上几个奇奇怪怪的符号的含义如下：
~= & | ~
不等号，等价于> 逻辑符号AND 逻辑符号OR 乘方，相当于函数EXP() 逻辑符号NOT
在函数窗口中选中某个函数并单击右键，系统就会d出该函数的用法说明。
函数主要是和变量名组合起来使用的，比如说ABS(x)就是取变量x的绝对值。
好，现在开始进行第二步，再次选择菜单Transform==>Compute，系统也再次d出这个对话框－－等等！注意到了吗？该对话框自动记住了你上次输入的内容，几乎所有SPSS的对话框都有这个特性，这会大大方便我们的使用。好，将数值表达式窗口中的1改为2，然后单击中下部的“If”按钮，系统d出记录选择对话框如下：
不需要太多解释，大部分内容都是前面见过的。由于我们这里不是对所有记录做变换，因此选中第二个单选钮“Include if case statisfies confition:”，此时下方的所有窗口变亮，表明现在可用；而“Continue”按钮变灰，表明当前还没有提供所需的信息，好，我们就来提供，在左侧选中血磷值(x)，然后单击“”，x就被引入了右侧的变量框，任你用键盘或者用鼠标，总之将下面这个算式补充完：x>1。现在可见“Continue”按钮再度变黑。在它又变灰之前赶快单击它（开个玩笑），系统回到Compute Variable对话框，请注意If按钮右侧的变化：x>2。如果你做的结果不一样，请重来一遍。
现在单击“OK”按钮，由于我们要替换变量值，系统会d出一个确认对话框，确认替换，马上你就会看到，我们已经把这道题做完了。
Count对话框
Count对话框用于计算某个值或某些值在某个变量的取值中是否出现（好象有点拗口），比如我们想看看有哪些记录的血磷值在2～3之间，选择菜单Transform==>Count，系统d出Count对话框如下：
Target Variable框中用于指定记录变量值是否出现的变量名，在这里输入temp2；选中血磷值(x)，将其选入Variables窗口，此时“Define Values”按钮变黑，单击它，系统d出变量值定义窗口如下：
左半部为变量值定义窗口，可以定义某个值、系统缺失值、系统或用户定义缺失值、变量值范围、小于某值或大于某值。我们这里是第四种情况：选择Range，在through两侧分别键入2、3，然后单击已变黑的“Add”按钮，“2 thru 3”就会被加入“Values to Count”框内。然后单击“Continue”，再单击Count对话框的“OK”，可以看到系统自动生成变量temp2，其中10、11号记录因血磷值介于2和3之间，temp2取值为1，其余的记录temp2取值均为0。
SOS，SOS，请大家千万注意，Count对话框有一个潜在的bugs，当你需要计算同时满足两个变量取值条件的记录数有多少时，直接用该对话框会得出完全错误的结果。这里有一点技巧，需要对对话框生成的指令加以修改，至于怎么修改嘛，我们将在Syntax（语法）窗口使用详解一章中讲述 :)。
Recode对话框
Recode对话框用于从原变量值按照某种一一对应的关系生成新变量值，可以将新值赋给原变量，也可以生成一个新变量。
例23 在Li1_1sav中生成新变量temp3，当血磷值小于1时取值为0，1～2时取值为10，大于2时取值为20。
解：选择菜单Transform==>Record==>Into Different Variables，Recode对话框如下：
将血磷值(x)选入Input Variable->Output Variable框，此时Output Variable框变黑，在其中键入新变量名temp3并单击Change，可见原来的x->变成了x->temp3。现在单击“Old and New Values”，系统d出变量值定义对话框如下：
许多东西和前面类似，不再重复。按照题目的要求，选择Range:Lowest through，在右侧框中键入1，然后在右上方的Value右侧框中键入对应的新变量值0，此时下方Add键变黑，单击它，Old->New框中就会加入Lowest thru 1->0，按照类似的方法依次加入另两条转换规则，最终Old->New框中共有Lowest thru 1->0、1 thru 2->10、Else->20三条，现在单击Continue，再单击OK，系统就会按要求生成新变量temp3。
哎呀不得了，太多了，虽然这样非常直观，但下载速度太慢了。等大家对基本界面 *** 作熟悉了后，我们将对比较简单的对话框试着对 *** 作用文字的方式描述，比如上面的 *** 作我们将用文字表达为：
Output Variable框：选入x
Output Variable Name框：键入temp3：单击Change钮
选中x->temp3：单击Old and New Values钮：
Range:Lowest through单选钮：键入1：New Value Value单选钮：键入0：单击Add钮
Range: through单选钮：两侧分别键入1、2：New Value Value单选钮：键入10：单击Add钮
Range: All other values单选钮：New Value Value单选钮：键入20：单击Add钮
单击Continue
单击OK
怎么样，还能理解吧。
Categorize Variables对话框
Categorize Variables对话框用于将连续性变量自动按要求分成等间距的几类。其界面非常简单，许多东西都是我们所熟悉的，唯一特别的是右下方的number of categories框，用于输入变量的等级数，默认为4，比如我们希望将血磷值按大小分成5个等级，先将血磷值选入Create Categories框，然后将下面的4改为5，单击OK，就会看到系统产生了一个新变量nx（即number of x之意），其取值就对应了血磷值相应的5个等级（1～5）。重复一下，具体 *** 作步骤为：
Create Categories框：选入x
Number of categories框：5
OK
Rank Cases对话框
例24 请分组计算血磷值的秩和。
解：选择菜单Transform==>Rank Cases，d出Rank Cases对话框如下：
将血磷值选入Variable框，分组变量选入By框，单击OK即可。系统会建立一个新变量rx（即原变量名前加r表示Rank之意），其取值为x分组的秩次。
解释一下Rank Cases对话框的其他几个零件：
左下角的Assign Rank 1 to框架用于选择将秩次1赋给最小值还是最大值；
中下部的Display summary tables复选框用于确定是否在结果窗口内输出结果报表；
Rank Types钮用于定义秩次类型，有Rank（秩分数）、Savage评分（新变量值按指数分布）、Fractional rank（新变量值是秩分数除以非缺失值观测量的权重之和）、Fractional rank %（新变量值是秩分数除以非缺失值观测量数乘100）、Sum of case weights（新变量值是各观测量的权重之和）、Ntiles（新变量值是按所选变量的百分位数分组的组序号），默认值为Rank。单击More按钮，还会有更多的设置，这里就不再讲了。
Ties钮用于定义对相同值观测量的处理方式，可以是取平均秩次、最小值、最大值或当作一个记录处理，默认值为取平均秩次。
Automatic Record对话框
该对话框用于按原变量值的大小生成新变量，变量值就是原值的大小次序，功能和Rank Cases对话框重复（等价于相同值观测量当作一个记录处理的情况）。
Create Time Series对话框
用于自动生成时间序列变量，由于太专业，这里不做过多解释。
Replace Missing Value对话框
用于填充缺失值，结果存入一个新变量。填充方法有：序列的均数、相邻若干点的均数、相邻若干点的中位数、线性内插、线性外延，默认值为序列的均数。
222 数据的录入
2221 直接录入
我想直接录入的问题就不用多讲了吧，直接敲就是了！
2222 数据录入技巧
和其他常用统计软件相比，SPSS数据界面最大的优势就是支持鼠标的拖放 *** 作，以及拷贝粘贴等命令，下面的数据录入技巧就是对这些功能的利用。
连续多个相同值的输入
如前面group变量有连续多个1，如果直接输入，可以在第一格内输入1并回车，然后回到刚才的单元格并单击右键，选择copy，最后用拖放方式选中所有应输入1的单元格，单击右键并选择paste，所有选中的单元格就会都被刚才拷贝的1填充。
将EXCEL数据直接引入SPSS
Excel已经打开原数据，并且数据量较少的时候，可以直接用拷贝粘贴的方法将数据引入SPSS：先在EXCEL中选中所有的数据（不包括变量名），然后选择拷贝命令；然后切换到SPSS，最好使行1列1单元格成为当前单元格，然后执行粘贴命令，数据就会全部转入SPSS，再定义相应的变量即可。
http://hibaiducom/htmlblog/blog/item/882cd00890b9e4d562d986cfhtml
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）