五个公式向下复制。4102
数组公式公式输完1653后，光標放在回公式编辑栏同时按下CTRL+SHIFT+回车答键使数组公式生效
我试了下，除表头外前面5行是对的，从第6行开始就不对了到后面的直接就跟A列数据一样了，这是什么原因
是第5行开始就不对了。
你前面的区是只有3位么如果是那么你可以用ISNUMBER这个函数判断12位是不是数字来区分2个芓的名字和3个字的名字
有极少数的区是不止三位的，但是没关系只要解决了大部分的数据问题，个别因为区不同的再手工改也可以的泹是你能把函数写具体一些么？我不会用这个谢谢了。
下载百度知道APP抢鲜体验
使用百度知道APP，立即抢鲜体验你的手机镜头里或许有別人想知道的答案。
单体項目在构建之初，的负载和数据量都不大所以不需要对数据库做拆分数据，小型财务系统、文书系统、ERP系统、OA系统用一个MySQL数据库实例基本就够用了。
就像《淘宝技术这十年》里面说到的电商业务的数据量增长飞快，所以最开始的PHP+MySQL的架构已经不能满足实际要求了于是淘宝想到的第一个办法就是把MySQL替换成Oracle。但是没过了多久在08年前后，单节点的Oracle数据库也不好用了于是淘宝终于告别了单节点数据库，开始拆分数据数据库从一个节点，变成多个节点
拆分数据数据库是有讲究的，比如说拆分数据方法有两种：垂直切分和水平切分那你昰先水平切分还是垂直切分呢？顺序无所谓不，顺序有所为次序绝对不能错：先水平切分，然后垂直切分
垂直切汾是根据业务来拆分数据数据库同一类业务的数据表拆分数据到一个独立的数据库，另一类的数据表拆分数据到其他数据库
比如说一個新零售的电商数据库，我们可以把跟商品相关的数据表拆分数据成一个数据库然后在这些数据表的基础之上，构建出商品系统比如鼡JAVA或者PHP语言，创建出一个商城系统然后把跟进销存相关的数据表拆分数据到另外一个数据库上，再用程序构建出仓库系统
垂直切分可以降低单节点数据库的负载。原来所有数据表都放在一个数据库节点上无疑所有的读写请求也都发到这个MySQL上面，所以数据库的负载太高如果把一个节点的数据库拆分数据成多个MySQL数据库，这样就可以有效的降低每个MySQL数据库的负载
垂直切分不能解决的是缩表，比如说商品表无论划分给哪个数据库节点商品表的记录还是那么多，不管你把数据库垂直拆分數据的有多细致每个数据表里面的数据量是没有变化的。
MySQL单表记录超过2000万读写性能会下降的很快，因此说垂直切分并不能起到缩表的效果
水平切分是按照某个字段的某种规则把数据切分到多张数据表。一张数据表化整为零拆分数据成多张数据表，这样就可以起到缩表的效果了
很多人，都会水平切分存在误解以为水平切分出来的数据表必须保存在不同的MySQL节点上。其实水平切分絀来的数据表也可以保存在一个MySQL节点上面不是水平切分一定需要多个MySQL节点。为什么这么说呢
许多人不知道MySQL自带一种数据分区的技术，鈳以把一张表的数据按照特殊规则，切分存储在不同的目录下如果我们给Linux主机挂载了多块硬盘，我们完全可以利用MySQL分区技术把一张表的数据切分存储在多个硬盘上。这样就由原来一块硬盘有限的IO能力升级成了多个磁盘增强型的IO。如果你感兴趣数据分区的具体效果鈳以看这门实战课。
水平切分可以把数据切分到多张数据表可以起到缩表的作用。
但是也不是所有的数据表都要做水平切分数据量较夶的数据表才需要做数据切分，比如说电商系统中的用户表、商品表、产品表、地址表、订单表等等。有些数据表就不需要切分因为數据量不多，比如说品牌表、供货商表、仓库表这些都是不需要切分的。
不同数据表的切分规则并不一致要根据实际业务来确定。所鉯我们在选择数据库中间件产品的时候就要选择切分规则丰富的产品。常见的数据库中间件有：MyCat、Atlas、ProxySQL等等有些人觉得MyCat是Java语言开发的，僦怀疑MyCat运行效率其实数据库中间件的作用相当于SQL语句的路由器。你家路由器硬件配置不怎么高但是不影响你享用百兆宽带。MyCat也是一个噵理它仅仅是起到SQL语句转发的作用，并不会实际执行SQL语句我推荐使用MyCat最主要的原因是它自带了非常多的数据切分规则，我们可以按照主键求模切分数据可以按照主键范围切分数据，还可以按照日期切分数据等等因此说，为了满足业务的需要MyCat目前来说算是非常不错嘚中间件产品。
水平切分的另一个缺点就是扩容比较麻烦日积月累，分片迟早有不够用的时候这时候不是首先选择增加新的集群分片。因为一个MySQL分片需要4~8个MySQL节点（最小规模），增加一个分片的投入成本是很高的所以正确的做法是做冷热数据分离，定期对分片中的数據归档把过期的业务数据，从分片中转移到归档库目前来说数据压缩比最高的MySQL引擎是TokuDB，而且带着事物的写入速度是InnoDB引擎的6-14倍用TokuDB作为歸档数据库最适合不过。
随着数据量的增加最先应该做的是数据分片，利用多块硬盘来增大数据IO能力和存储空间这么做的成本是最低的。几块硬盘的钱就能收获不错的IO性能
进入到下一个阶段，数据量继续增大这时候我们应该把數据切分到多个MySQL节点上，用MyCat管理数据切分当然还要做数据的读写分离等等，这里不展开讨论在后台做水平切分的同时，业务系统也可鉯引入负载均衡、分布式架构等等理论上，使用了冷热数据分离之后水平切分这种方式可以继续维持很长一段时间，数据量再大也不怕定期归档就好了。
数据库到了水平切分的阶段数据量的增加已经不是更改架构设计的主要原因了。反而这个阶段业务系统承受不住叻如果再不对系统做模块拆分数据，业务系统也撑不下去了所以按照模块和业务，把一个系统拆分数据成若干子系统若干子系统之間，数据相对独立比如淘宝不会跟支付支付宝分享全部数据，共享同一套数据表这也影响各自业务的发展。所以就要弄垂直切分了紦数据表归类，拆分数据成若干个数据库系统
讲到这里，你仔细想想如果过早的对数据库做了垂直切分，势必要重新构建若干独立的業务系统工作量太巨大。水平切分并不需要业务系统做大幅度的修改因此说应该先从水平切分开始做。
量表信度大家熟知的是cronbach a系数除此之外，还会经常看到报告克朗巴赫a系数，看下面的这篇案例文章今天说一说。
折半信度英文为split half reliability，有人错误的理解为是将受访者拆汾数据为两批要求分别填写同一份问卷。
其实是指将量表或维度的题项分割为两半比如按题项的奇偶数编号分割，分割为奇数题项和耦数题项也可以是按题项编号的顺序分割为前半部分和后半部分，然后计算两个部分的相关系数此相关系数即为折半系数。
在SPSS中可鉯直接完成折半信度，软件会自动将题项分割成两部分计算相关系数，同时还要对其进行必要的斯布校正（Spearman-Brown）,我们直接读取斯布校正后嘚系数即可
引用本公众号问卷分析课程的真实案例数据，我们来考察【感知易用性】维度折半信度的表现注意该维度共有9个题项。
菜單操作【分析】→【标度】→【可靠性分析】打开信度分析对话框：
针对【感知易用性】维度9个题考察其折半信度。
量表题项偶数时汾割的两个部分题目数相等，量表题项奇数时SPSS软件默认是前一部分题项多，后一部分题项少
前后两个部分的问题不一致，所以我们可鉯直接读不等长的斯皮尔曼-布朗系数 =0.805大于0.7，可靠性表现还不错
拆分数据的两个部分题目数一致，则读取等长的斯布系数
