数据清洗与数据预处理浅析
2016-06-06 19:18
274 查看
本文根据https://zhuanlan.zhihu.com/p/20571505?refer=data-analyst-improvement 与自己的一些简单心得整理所得
数据清洗与数据预处理在实际中非常重要。在整个项目的开发过程中,数据清洗与预处理的时间通常占到项目总时长的一半以上。而且,数据清洗与预处理的过程还是个极度考验体力与耐心的活,只有胆大细心对数据敏感对业务熟悉的人才能做好这项工作。
链接文章中所给的一幅图,直接拿过来用了:
结合个人的一些实践,写了一些简单的tips,供大家参考
1.去除/补全有缺失的数据
通过计算进行填充
通过经验或者业务填充
通过其他字段进行填充
以统一指标填充(均值,中位数,众数等)
缺失过多,重新取数
2.去除/修改格式和内容错误数据
最常见的是换行符,空格等。
3.去除/修改逻辑错误的数据
去除不合理值
修正矛盾内容
4.去除不需要的数据
把不要的字段给删除掉
数据清洗与数据预处理在实际中非常重要。在整个项目的开发过程中,数据清洗与预处理的时间通常占到项目总时长的一半以上。而且,数据清洗与预处理的过程还是个极度考验体力与耐心的活,只有胆大细心对数据敏感对业务熟悉的人才能做好这项工作。
链接文章中所给的一幅图,直接拿过来用了:
结合个人的一些实践,写了一些简单的tips,供大家参考
1.去除/补全有缺失的数据
通过计算进行填充
通过经验或者业务填充
通过其他字段进行填充
以统一指标填充(均值,中位数,众数等)
缺失过多,重新取数
2.去除/修改格式和内容错误数据
最常见的是换行符,空格等。
3.去除/修改逻辑错误的数据
去除不合理值
修正矛盾内容
4.去除不需要的数据
把不要的字段给删除掉
相关文章推荐
- HTTP协议报文、工作原理及Java中的HTTP通信技术详解
- 基于用户投票的排名算法
- 大数据服务脚本化管理
- HMAC和NMAC
- php调用接口的方法 curl
- 64位linux下eclipseADT不生成R.java文件的终极解决方案
- 第十三周上机实践项目:阅读程序,并运行结果(虚析构函数)
- Ubuntu wine / winetricks解决this msxml 6.0 is not supported on the current processor type
- Android Intent调用大全、系统自带Intent调用大全
- keras
- undefined reference to `png_create_write_struct'问题解决
- Android Sqlite 数据库版本更新
- 环形缓存(java版)
- 十分钟搞定pandas
- 数据库技术分享
- 二叉树的镜像20
- 【leetcode】230. Kth Smallest Element in a BST
- 说说Android的广播(2) - 并发队列和串行队列
- socket与TCP/UDP编程
- SVG实现描边动画