背景：
有个朋友需要帮忙，急需在1天内完成4000+字的问卷调查分析报告，需要用到excel和python处理数据。
思路：
一、将电子版问卷调查数据导出成excel，先在excel对数据预处理；
二、搭建起分析报告框架。由于有分析报告范例，所以框架搭建比较简单，主要分为五部分，分别是：
①问卷概况；
②主观性问题分析；
③指标单因素分析；
④指标多因素交叉分析；
⑤差异显著性分析（假设检验、方差分析）；
⑥总结（略）。
PS：
①具体按问卷设计的部分进行细化，比如说指标单因素分析中可以分为受访人群社会属性统计部分（性别、年龄、学历、收入等）和问卷设计的针对性问题部分。
②在分析主观性问题前，需要用Cronbach’s α信度系数进行信度检验。
实操：
具体数据：
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport pylab as plfile_path = 'raw_data_2.xlsx'file_path_ = 'raw_data.xls'data = pd.read_excel(file_path)data_ = pd.read_excel(file_path_)
excel预处理的数据分为实际选项和选项序号两种，按需要使用。
指标单因素分析
def form_1(op_1,index_name):op_1_ = pd.DataFrame()op_1_.index.names=[index_name]op_1_['计数'] = op_1.iloc[:,0]op_1_['百分比'] = op_1_['计数']/op_1_['计数'].sum()op_1_['累计百分比'] = op_1_['百分比'].cumsum() op_1_.loc['合计']= [op_1_.sum().iloc[0],op_1_.sum().iloc[1],' ']return op_1_def pie_pic(data, title_name):pl.pie(data.iloc[:,0].tolist(),labels=data.index,autopct='%3.1f%%')pl.title(title_name)#pl.legend()pl.show()# op:outputop_1 = data.groupby([data.keys()[1]])[[data.keys()[1]]].count()
对单个指标进行统计及作图（仅计算频数）
指标多因素交叉分析
op_4 = data.pivot_table('序号', index='index_1', columns='columns_1',margins=True, aggfunc='count')op_4[np.isnan(op_4)] = 0op_4
python的数据透视功能选择三个维度，分别是计算的维度，index维度，columns维度。
这里选择了“序号‘、’index_1', 'index_2'。
由于计算的是频数，所以选择了计算‘序号’，选择其他维度也是可以的，
'index_1'和‘columns_1’按选取研究的因素进行代入。
数据是频数。
op_4_ = pd.DataFrame(np.array(op_4).T/np.array(op_4.iloc[:,-1])).Top_4_.index = op_4.indexop_4_.columns = op_4.columnsop_4_
把频数除以该行ALL（合计）得出百分数。
本来想在python话累积百分比柱状图，但是由于时间关系，就把数据导出csv，再在excel上画出来。
这里看出，不同年龄层对“是否”的选择有差异，但是否显著就要进行方差分析来进一步判断。
差异显著性分析（假设检验、方差分析）
同样地，由于时间关系，这里选择用excel筛选出数据，进行单因素方差分析。
筛选的时候可以单独把“年龄层”和“是否”两组数据取出来，把同一个年龄层的“是否”数据筛出来后再粘贴到另一个sheet。
注意，“是否”选择用“1”和“2”进行代替。
由于F>F crit，不同年龄层对“是否”的选择有显著性差异（α=0.05）。
主观性问题分析
data_cov = data_.iloc[:,13:23].cov()data_cov
计算协方差的时候，选用数据为选项序号，非文字。
图没完全截完。
主观性问题也可以计算均值，因为选项一般为从“极不满意”到“非常满意”这种打分类型的。
以上。
