8.5 字段上的计算

我们前面说过，结构化数据在行和列方向的能力是不对称的，方便的批量运算通常只对行方向提供，而列总是以独立的个体出现。但我们在个别时候也需要对列方向也进行一些整体运算，也就是把一批字段作为一个集合一起处理。

我们再来做那个合并 Excel 的问题，需求改一下：要把文件名拼到所有列的前面。

derive 函数只能把字段追加到后面，要改变字段的次序，目前只能重新 new 出来，但这样我们必须知道这个序表已经有些什么字段，把这些字段重新抄一下才可以。

fname 函数可以返回序表字段名构成的序列，也就是个字符串构成的序列。但这还不够，即使我们把新的字段拼到了前面，却仍然不知道怎么写这个 new，比如下面的代码：

A1 是个序表，A2 取出了它的字段名序列，但 A3 这么写却没什么意义，SPL 会生成一个名叫 A2 的字段，其取值就是 A2 现在的格值，也就是 A1 的字段名序列。SPL 执行到这里的时候，并不知道要把 A2 的值拼到这句代码中，而会把 A 和 2 这两个字符本身作为代码的一部分执行。

那要怎么办呢？

SPL 提供了动态程序的语法，上面的代码写成这样，就可以正确执行了：

concat 函数我们用过了，它会把一个字符串序列用指定分隔拼到一起，这里我们用的是逗号。这里 A1 有 a,b,c 三个字段，那么 A2 的计算结果就是字符串 "a,b,c"。

A3 中 ${} 的意思，就是告诉 SPL，要把花括号里面的表达式计算出来（会是一个字符串），然后把这个字符串作为部分拼进去语句，然后再执行。A2 现在是 "a,b,c"，那现在 ${A2} 就会把这个字符串拼进 A3 中的语句，结果 A3 实际要执行的语句是

=A1.new(0:NewField, a,b,c)

这就就是我们想要的结果了。

${} 的写法称为宏。利用宏可以动态地拼出一些代码来执行，可以实现出非常灵活的运算效果。与不确定个数字段相关的计算常常会用宏来配合，

利用宏，我们来解决合并 Excel 中把文件名拼到前面的问题：

concat@c 就表示用逗号分隔，${} 里可以写计算表达式，只要计算结果是字符串即可。

使用宏的办法，我们可以方便地生成学生成绩表：

A2 的计算结果会是字符串：

“rand(100):Engligh,rand(100):Maths,rand(100):Science,rand(100):Arts,rand(100):PE”

拼入 A3 后即就得到一个 100 个学生的成绩表，id 字段是学生的学号。

现在我们想为每位学生计算一个总分字段 Total 并追加到后面。

这当然没问题，但如果这些科目很多，那写起来就比较辛苦了。

SPL 提供了把记录的字段转换成序列的方法，需要批量处理字段值时就会方便很多：

r.array()将记录 r 的各字段值取出来构成一个序列返回。这样，无论多少科目，都只要写这么长。需要注意的是，由于各个字段取值的数据类型可能不一样，array() 的返回值也不一一定是由同一种数据类型成员构成的序列。

利用宏，还可以完成更复杂的任务。

我们以前处理过的都是行式 Excel 文件，但是，就如前面讲结构化数据概念时，还会有许多存储结构化数据的 Excel 文件并不是行式的，比如这样：

（这是前面例子中的部分，为简化问题只有一条记录）

假如有一批这样的文件，每个文件中存储了一个人的信息，现在我们希望把这些数据提取出来做成一个行式的表格。就用这个表格中的字段名：ID、Name、Sex、Postion、Birthday、Phone、Address、PostCode。

如果有几百个这样的文件，手工做显然会累死人的，我们用程序来做。

要做这件事，还需要用到两个 Excel 相关的函数 xlsopen、xlscell。

xlsopen 能打开一个 Excel 文件后形成一个 Excel 对象，xlscell 则可以从 Excel 对象中读出某个单元的内容。有了它们，我们就可以完成这个工作了。

代码逻辑不复杂，就不细解释了。

但是，写起来还是有点麻烦，而且如果表格样式和数据结构变了，要改动很多。

我们利用宏和循环函数来简化它。

把字段和对应单元格做成两个序列，针对每个 Excel 文件取出数据和拼接就容易多了，代码不仅更短，而且更通用了。碰到新格式，只要修改前两行就行了。

反过来，我们还可能用一个行式表格的数据来生成多个这种自由格式 Excel。显然之件事手工做也是会累死人的。

我们还是用程序完成这件任务，需要增加一点知识：xlscell 函数还可以往 Excel 对象的某个单元格里填入数据，再学一个 xlswrite 函数，它可以将处理好的 Excel 对象写入文件。

先做好一个这种格式的模板 Excel 文件，把它读成 Excel 对象，然后针对每条记录，把相关的值填入这个 Excel 对象，再写出到文件中，反复填入写出，就完事了。

在做人工智能任务时，常常会碰到填补缺失值的问题，即按一定规则将缺少的数据填上，比如常见是的按众数（其它未缺失值中出现次数最多的）或平均数（由其它未缺失值计算出）。

我们来尝试一下这个任务，假设 data.xlsx 存储了原始数据：

其中有空格部分表示有缺失的，我们的规则是：如果这一列是整数，则用众数方案填充；如果是浮点数，则用平均数方案填充。

将数据读成序表 A1，A2 循环每个字段，B2 中 field 函数将把序列某个字段的值全部取出形成序列，它有点像 A1.(x) 运算，但不同的是，这里 field 函数的参数是一个字符串，而 A1.(x) 中的 x 是个字段名，如果用 A1.(x) 形式写，则需要使用宏，写成 A1.(${A2})。

计算整列的和，与整数化后整列的和相比，如果相等，可以认为全是整数，那么执行众数方案，否则执行平均数方案，其中 mode 函数即可返回序列的众数。

然后在 B5 计算填上缺失值后的字段值序列，field 函数还可以将序列再填入字段，这里也可以用宏写成 A1.run(${A2}=B5(#))，但显然没有用 field 更清晰简单了。

【程序设计】 前言及目录

【程序设计】8.4 [表一表] 循环函数

【程序设计】9.1 [分类别] 分组与汇总