缘由

因为发现从腾讯问卷导出的数据，多选题格式不正确，不适合导入到SPSS里面做分析。问题主要有：

1. 未选中应该是0，这里为空值。
2. 其他列如果有应该为1，这里直接是填写后的内容。

问题展示：

因此，我通过 Python 代码进行了数据清洗。

使用前准备

1. 重新命名变量：首先需要对变量进行重新命名，例如：Q1、Q2 等，针对多选题，命名为 Q3_1、Q3_2 等。变量名应为变量的英文缩写，例如：感知易用性可以命名为 PEOU1、PEOU2。
2. 将 Excel 文件保存为 CSV 格式。操作步骤如下：
   1. 启动 Excel 并打开目标文件。
   2. 点击左上角的“文件”菜单。
   3. 在菜单中选择“另存为”（有些版本可能会直接显示“保存为”）。
   4. 在弹出的对话框中选择保存文件的位置。
   5. 在“保存类型”下拉框中选择 CSV（逗号分隔）（*.csv）。 这是已经准备完毕的数据格式示例：
3. 确保 Python 已安装 numpy 和 pandas 库。如果没有，请在命令行终端输入以下命令：

   pip install numpy
   pip install pandas
   

4. 复制文件路径
   • 选中目标文件或文件夹。
   • 按下 Ctrl + Shift + C，将文件或文件夹的完整路径复制到剪贴板。
   • 注意：复制的路径会包含引号，后续需要去除引号。

代码

import pandas as pd  
  
# 读取 CSV 文件，将 'input.csv' 替换为你的文件路径，注意去除路径中的引号。
# 例如，若复制路径为 "C:\Users\xcyy5\Desktop\test.csv"，则应去掉引号，改为 C:\Users\xcyy5\Desktop\test.csv。
# 注意：代码中的单引号不要更改或删除
df = pd.read_csv(r'input.csv')  
  
# 定义需要处理的列范围（从 A 到 B），A 替换为多选题的第一题列名，B 替换为最后一题列名。
# 例如，若我的多选题从第六题到第八题，第八题有 4 个选项，A 替换为 Q6_1，B 替换为 Q8_4。
columns_to_process = df.loc[:, 'A':'B'].columns  
  
# 对指定列进行处理：非 1 的值（包括空值）替换为 0
df[columns_to_process] = df[columns_to_process].apply(lambda col: col.apply(lambda x: 1 if x == 1 else 0))  
  
# 保存处理后的结果到新文件，确保汉字正确输出。将 'output.csv' 替换为导出文件的路径。
# 例如，如果想导出到 D 盘的 works 文件夹，并命名为“清洗后-空值为0.csv”，则路径为 D:\works\清洗后-空值为0.csv。
# 注意：代码中的单引号不要更改或删除
df.to_csv(r'output.csv', index=False, encoding='utf_8_sig')  
  
print("处理完成，文件已保存！")