第287章 衣裙（第2页）

发现所有错误Y但效率低下在大数据量的情况下Y手工清洗数据几乎

是不可能的

??

2??自动清洗X自动清洗是通过专门编写的计算机应用程序来进行数据

清洗这种方法能解决某个特定的问题Y但不够灵活Y特别是在清理过

程需要反复进行时??一般来说，数据清理一遍就达到要求的很少??Y程序

复杂Y清理过程变化时工作量大而且Y这种方法也没有充分利用目前

数据库提供的强大的数据处理能力。

数据清洗主要是对缺失值重复值异常值和数据类型有误的数据

进行处理Y数据清洗的内容主要包括四点

??

1??缺失值处理由于调查编码和录入误差Y数据中可能存在

一些缺失值Y需要给予适当的处理常用的处理方法有X估算

整例删除变量删除和成对删除

??

2??异常值处理根据每个变量的合理取值范围和相互关系Y检

查数据是否合乎要求Y发现超出正常范围逻辑上不合理或者相

互矛盾的数据。

数据清洗主要是对缺失值重复值异常值和数据类型有误的数据

进行处理Y数据清洗的内容主要包括四点

??

3??数据类型转换数据类型往往会影响到后续的数据处理分析

环节Y因此Y需要明确每个字段的数据类型Y比如Y来自A表的

学号是字符型Y而来自B表的字段是日期型Y在数据清洗的时候

就需要对二者的数据类型进行统一处理

??

4??重复值处理重复值的存在会影响数据分析和挖掘结果的准

确性Y所以Y在数据分析和建模之前需要进行数据重复性检验Y

如果存在重复值Y还需要进行重复值的删除。

在进行数据清洗时Y需要注意如下事项X

??

1??数据清洗时优先进行缺失值异常值和数据类型转换的操作Y最后进

行重复值的处理

??

2??在对缺失值异常值进行处理时Y要根据业务的需求进行处理Y这些

处理并不是一成不变的Y常见的填充包括X统计值填充??常用的统计值有

均值中位数众数??前后值填充??一般使用在前后数据存在关联的情

况下Y比如数据是按照时间进行记录的??零值填充。

在进行数据清洗时Y需要注意如下事项X

??

本章未完，点击下一页继续阅读