数据分组-可视分箱

数据分组，根据分析目的将数值型数据进行等距或非等距分组，这个过程也称为数据离散化，一般用于消费分布，收入分布，年龄分布等。

在excel中，使用vlookup函数的模糊匹配功能进行数据分组操作，非常方便。那么在spss中介绍一个功能叫做“可视分箱”。这里以“用户明细”数据为例了解一下用户的年龄分布特征。，"用户明细"数据中已经有“年龄”变量，现在需要将“年龄”变量进行分组操作，得到一个新的变量“年龄段”。

第一步：打开“用户明细”数据文件，单击【转换】-【可视分箱】，弹出【可视分箱】第一步对话框。

第二步：将“年龄”变量移入“要分箱的变量”框中。单击【继续】按钮，弹出【可视分箱】第二部对话框

第三步：在弹出的【可视分箱】第二步对话框中，在【分箱化变量】栏中输入“年龄段”，单击【生成分割点】

第四步：弹出【生成分割点】对话框，在【第一个分割点位置】栏中输入“20”，在【分割点数】栏中输入“4”，在【宽度】栏中输入“5”，单击【应用】按钮，返回【可视分箱】第二步对话框。

在【可视分箱】第二部对话框中，单击【生成标签】按钮，将生成对应的区间范围标签。

单击【确定】按钮既可以得到“年龄段”变量。

扩展：在【生成分割点】对话框中，为何分别设置20、4、5三个参数？

这个要从【可视分箱】第二步对话框说起，对话框中给出了一个年龄分布预览图，我们观察这个图，最小值是16，最大值是78，年龄主要集中在20-35之间，我们可以把第一个分割点定在20,组距定为5，这样20-35之间按组距5进行分组可以得到3个组，在加上前后2个组，就是5个组，4个分割点，分割点大致就是这样子分的没有绝对的标准，只要能达到解决问题的目的即可。

以上分组可以算是等距分组，那如果进行不等距分组，该如何操作？

如果需要不等距分组，则可以在【可视分箱】第二步对话框中【网格】中直接填入自定义的分割点，例如分别填入“20”、“25”、“35”，第四个“高”会自动生成，然后点击【生成标签】如下图：