最强指南：处理35种不良数据的正确方法 - CSDN文库

需积分: 10 107 浏览量更新于2023-05-26 评论 1 收藏 276KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

最强指南：处理35种不良数据的正确⽅式

应该从数据来源解决的问题

I. !值缺失

注意数据集中的空值或“null”，除⾮你知道它们的确切含义。如果数据是年度数据，那么有

没有哪年的数据没有被收集到？如果是⼀项问卷调查，有没有受访者拒绝回答问题？当你在

处理缺失数据时，应该问⾃⼰：“我知道这个值的缺失是什么意思吗？”如果答案是否定的，

你应该检查你的数据来源。

I. !使⽤零代替缺失值

使⽤任意值代替缺失值⽐缺失值本⾝更糟糕。这可能是⼈类⽆意义思考的结果，也可能是不

知道如何处理空值的⾃动化处理造成的。⽆论如何，如果你看到⼀长串的零，应该问⾃⼰，

这些值真的是零，还是表⽰“没有”（有时候也会⽤ -1）。如果你不确定，请检查你的数据来

源。

I. !⾏或值重复

如果同⼀⾏数据不⽌⼀次出现在数据集中，你应该找出原因，有时它可能不是⼀整⾏都⼀样。

⼀些活动财务数据包含了⼀些修订数据，这些修订数据使⽤了与原始交易相同的唯⼀标识符。

如果你不知道这点，那么你对数据所做的任何计算都是错误的。如果某些东西看起来应该是

唯⼀的，那就验证它。如果你发现它不是，请检查你的数据来源。

I. !拼写不⼀致

拼写检查是判断数据是否由⼿动输⼊的最明显的⽅式之⼀。不要只看⼈们的名字——这些往

往是最难检测到拼写错误的地⽅——应该查找城市名称或州名不⼀致的地⽅。如果你发现了

这些问题，那么就可以确信数据是⼿动编辑过的。⼿动编辑的数据最有可能出错。这并不意

味着你不应该使⽤它们，但你可能需要⼿动更正这些错误，或者在报告中对其进⾏说明。

I. !⽇期格式不⼀致

下⾯两个⽇期哪个是表⽰ 9 ⽉份：

•

10/9/15

•

9/10/15

如果第⼀个是欧洲⼈写的，第⼆个是美国⼈，那么它们两个都是表⽰ 9 ⽉份。如果你不知道

数据的来源，你就⽆法确定。所以要确定你的数据来⾃哪⾥，并确保它是由来⾃同⼀⼤洲的

⼈⽣成的。

I. !没有指定单位

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余6页未读，立即下载

评论0

代码猫

粉丝: 44
资源: 9

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈