Om du arbetar med större datamängder i Google Sheets kan det vara en tråkig process att jämföra variabla värden. Lyckligtvis är normalisering en statistisk metod som hjälper dig att sortera komplicerade värden i data som är enkla att jämföra.
Den här artikeln kommer att förklara vad normalisering är och hur du kan normalisera data i Google Sheets för statistiska fördelar.
Hur normaliserar jag data i Google Sheets?
Antag att vi har några numeriska värden i celler som sträcker sig från A2 till A50. För att normalisera det intervallet i värden mellan X och Y, här är vad du behöver göra:
- Om din första datapunkt är i A2 kan det första normaliserade värdet hittas med hjälp av denna formel:
(YX) * ((A2-MIN ($ A $ 2: $ A $ 50)) / (MAX ($ A $ 2: $ A $ 50) -MIN ($ A $ 2: $ A $ 50)))) + Y
Använd de numeriska värdena för X och Y direkt.
- När du har lagt in formeln för det första numret flyttar du muspekaren till botten av cellen tills den blir ett kors. Tryck sedan på och dra ner markören för att fylla de återstående raderna med formeln. Google Sheets ersätter automatiskt A2 med motsvarande radnummer för de återstående cellerna, medan allt bakom $ symboler inte ändras.
- Om du vill hänvisa till värdena på X och Y från andra celler i arken måste du sätta $ s före raden och kolumnen i cellerna som värdena finns i (till exempel $ D $ 5) eller kopiera formeln kan ge dig ett tolkningsfel eller fel resultat.
- Dina data kommer nu att normaliseras mellan X- och Y-värden.
Att normalisera dina data är ett utmärkt sätt att mäta skillnaderna mellan två datamängder med olika minimi- och maximivärden.
Hur man använder Google Sheets som en databas
Varje databas är i huvudsak en stor tabell (eller många anslutna tabeller) som styrs av ett databashanteringssystem. Om du arbetar med en relativt liten datamängd som inte behöver skala för mycket kan Google Sheets användas som din databas.
hur man kollar ping i lol
Om du vill börja använda Google Sheets som databas måste du ha en bakgrund i grundläggande programmering. Du behöver också ett API för att göra arket kompatibelt med SQL och Python. Medan Google erbjuder ett omfattande API för sina tjänster kan det vara lite för mycket att hantera. Därför rekommenderar vi ark2api eller Autokod för att lösa API-behovet. API-tjänsterna tillhandahåller den anslutning och autentisering som krävs för att ansluta dina Google Sheets som din databas och erbjuder tillräckliga slutpunkter för att möjliggöra ett korrekt databasflöde.
Den största fördelen med att använda Google Sheets som databas är att du alltid kan ha en visuell översikt över alla data. Eftersom Google Sheets finns som en app för mobila enheter och är kompatibel med de flesta webbläsare och operativsystem, kan din databas nås var som helst i världen. Du kan också direkt översikt och redigera data i själva arket, snarare än att använda kod för att köra en fråga genom databasen för att göra ändringar.
Google Sheets har dock sina begränsningar för databashantering. För det första finns det en tydlig brist på relationsfunktioner. Databaser består vanligtvis av många tabeller som använder främmande nycklar för att kommunicera med varandra, en process som helt enkelt inte finns i ett enda kalkylblad.
Om du vill titta på ett exempel, överväga avdelningarna i ditt företag. I ett kalkylark skulle dessa vanligtvis bara vara utskrivna strängar. Det är dock oklokt för en större datamängd. I databaser skulle du ha en separat tabell för företagsavdelningar, med varje avdelning numrerad i enlighet därmed. Du refererar sedan till avdelningens nummer i uppgifterna om en anställd med en utländsk nyckel. Med en separat avdelningstabell kan du göra direkta ändringar av avdelningarna själva utan att köra ändringarna genom hela databasen.
Dessutom kan Google Sheets bara lagra fem miljoner celler åt gången. Även om detta kan verka som ett stort antal, kan även medelstora företag ha databaser som går långt över denna gräns. Dessutom når du prestandafrågor mycket snabbare innan du når cellgränsen. Med en till synes linjär skalning mellan antalet celler och prestanda kommer du att få betydande förseningar när du arbetar med en databas som innehåller 100 tusen celler.
Ytterligare FAQ
Kan du infoga data i Google Sheets?
Googles integrerade API låter dig infoga en tabell direkt från filer. Filimportverktyget stöder följande tillägg:
• .xls
• .xlsx
• .xlsm
• .xlt
• .xltx
• .xltm
• .ods
• .csv
• .Text
• .tsv
• .tab
Dessutom har tredjepartsprogramvara vanligtvis integrationer med Google Sheets. Sheets2api och Autocode, som vi tidigare diskuterat, har båda API-lösningar för att ge datainsättning i befintliga tabeller.
Du kan också använda IMPORTRANGE-funktionen för att infoga data från ett Google-ark till ett annat.
Google har också skriptinstruktioner för att skriva innehåll i ett kalkylark.
Om du lyckas hitta en API-lösning som fungerar för dig kan du enkelt infoga data i Google Sheets när du har anslutit den till din plattform.
kan du se om någon blockerade dig på facebook
Hur rensar jag data i Google Sheets?
Google Sheets erbjuder flera lösningar för rengöring och sortering av data.
Om du använder Google Formulär för att samla in undersökningsresultat kan du ställa in Formulär så att de automatiskt klistrar in svar i ett kalkylark i stället för att klistra in data manuellt.
Google Sheets har också en datavalideringsfunktion. Om du går till Data> Datavalidering kan du ställa in valideringsfunktioner för att förhindra felaktiga värden. Du kan till exempel skapa en lista med objekt som kan läggas i en viss kolumn och att försöka infoga något annat leder till ett fel.
Google Sheets har också Ta bort dubbletter och trimma mellanslag. Detta tar bort alla extra värden och mellanslag från dina rader och celler.
hur man kontrollerar någon gillar på instagram
Om du vill klistra in mer organiserad data från onlinesidor använder du IMPORTHTML eller IMPORTXML för att få den information du behöver från en webbsida, utan extra röran.
Vad betyder det att normalisera data?
I statistiken kan du normalisera data för att göra olika datauppsättningar mer jämförbara.
När du normaliserar data kan du ändra det ursprungliga numeriska värdet till ett valfritt område. Du kan till exempel normalisera olika poängmetoder i samma värdeintervall för att jämföra dem med varandra.
Normalisering av ett värde x som kommer från ett område (y, z) till ett område (a, b) görs med följande formel:
X_normaliserad = (b - a) * ((x - y) / (z - y)) + a
Det är användbart att normalisera data när dina ursprungliga datamängder inte har rena värden. Till exempel kan standardisering av intervallen till (0,100) hjälpa till att ge en snabb översikt över poäng oberoende av själva poängvärdena.
En ytterligare statistisk metod för dataanalys är standardisering. Detta sätter de ursprungliga numeriska värdena till ett medelvärde på 0 och en standardavvikelse på 1. De standardiserade värdena kallas ofta z-poäng.
Google Sheets har en funktion som låter dig standardisera en datamängd. Funktionen STANDARDIZE (x, medelvärde, standard_dev) sätter det numeriska värdet, x, i sin standardiserade form. Du kan använda AVERAGE (range) -funktionen för att få medelvärdet av dina data i tabellen och använda ST_DEV (range) -funktionen för att beräkna datasetets standardavvikelse.
Att tolka standardiserad data är lite annorlunda. Till exempel betyder ett standardiserat antal -1,5 att det ursprungliga värdet är mindre än genomsnittet med 1,5 gånger standardavvikelsen för uppsättningen.
Standardisering kan vara användbart för att jämföra värdena för olika datamängder med olika förväntningar och medel. Eftersom en standardisering alltid sätter medelvärdet till 0 och en avvikelse till 1, påverkar inte de faktiska värdena i datasetet jämförelsen.
Statistisk analys kan också omvandla en datauppsättning så att den passar en viss distribution, men det är en avancerad statistisk funktion som inte kommer att behandlas i den här guiden.
Ny normal
Normalisering av datamängder är ett otroligt användbart verktyg för dataanalys, och Google Sheets erbjuder en snabb lösning för att normalisera numeriska data. Dessutom kan du använda Google Sheets som en liten databas om du inte arbetar med extraordinära mängder datamängder för ditt arbete. Integrationerna som Google Sheets har med programvara från tredje part gör det lämpligt för ett brett spektrum av branscher. Korrekta databaser blir dock mycket mer skalbara.
Vilken typ av information normaliserar du vanligtvis i Google Sheets? Använder du Google Sheets för din databas? Låt oss veta i kommentarfältet nedan.
