使用SPSS清洗社交媒体数据

社交媒体数据例如Flickr，一般包含如下几个字段，例如用户id、签到时间、签到位置坐标。Flickr地理标记照片除了照片内容数据外，通常都包含对于照片本身的描述信息，即元数据，包括照片的编号（Pid）、拍摄者（Oid）、拍摄时间（P_date）、经度（Lon）、纬度（Lat）、照片标签（Tag）和用户信息（User_info）等附属信息。

清洗规则

使用SPSS打开Flickr元数据的txt文件，打开文本文件。

分隔符常见的为空格、逗号或者其他字符

数据清洗步骤，以去除照片id相同相同的为例

单击工具栏数据——标识重复个案，SPSS将会把重复数据自动保留一个

选择需要对比的字段，例如游客id

运行后会出现计算结果，即重复数据个数。

若数据重复，则标记为0，此时我们就可以把这一列是1的数据导出就可以了

数据选择个案，可以导出

其他清洗条件类似

如果位置、时间都相同，则为不同用户错误数据，选择相应的字段。

如果位置、用户id、时间都相同，则为同一用户错误数据，选择相应的字段。

将每一步剩下的数据导出，最后就是完全清洗后的数据