数据清洗概述_第1页
数据清洗概述_第2页
数据清洗概述_第3页
数据清洗概述_第4页
数据清洗概述_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

讲师：黄珊财务大数据分析基础数据清洗概述1了解数据清洗含义2熟悉数据清洗主要内容及处理方法学习目标3理解数据清洗设计原则课程导入此数据集存在哪些问题？学号姓名性别年龄分数（百分制）01王思男207802李明男208603黄肖女1909804陈辰女1820005席蒙男

20数据清洗含义PART01正文讲解数据清洗含义是对数据进行重新审查和校验的过程，是发现并纠正数据文件中可识别错误的最后一道程序，按照一定的规则把“脏数据”“洗掉”。含义：

错误的、数据间有冲突的、非需求的数据，是我们不想要的，称为“脏数据”。脏数据来源：最根本原因是数据源多样，使得数据的标准、格式、统计方法不一样；其次，录入错误，计算数据的代码错误。数据清洗主要内容及处理方法PART02数据清洗主要内容(5)关联性验证(1)缺失值(2)格式内容(3)逻辑错误(4)非需求性数据数据清洗主要内容数据清洗处理方法缺失值的处理去除不需要的字段填充缺失内容重新取数2341确定缺失值范围数据清洗处理方法格式内容231内容与该字段应有内容不符内容中有不该存在的字符时间、日期、数值、全半角等显示格式不一致详细识别后再处理去除即可处理成一致的某种格式数据清洗处理方法逻辑错误231修正矛盾值去除或重构不可靠去除不合理值删除或按缺失值处理去重放在格式内容清洗之后数据清洗处理方法非需求性数据某字段觉得很有用，但又不知怎么用，不知是否删除误删错别字段231看上去不重要但实际上对业务很重要的字段删除了勤备份数据能不删的字段尽量不删能不删的字段尽量不删数据清洗处理方法如果数据有多个来源，则必要对数据之间进行关联性验证。调整or去除数据清洗设计原则PART03数据清洗设计原则IPO模型数据清洗不是一次性工作，需要多次、多环节进行。因此，要做好数据清洗、保证数据质量，那么首先需要对整个数据处理的流程进行设计或了解，在了解了数据流程后再在相应的环节设计数据清洗的流程。数据清洗设计原则一个清洗步骤就用一条清洗规则多拆分清洗步骤，每个步骤备份数据，方便出问题时回退一般先做全局清洗（即对全部数据），再做个别字段的清洗清洗的输出结果不要直接放在正式数据流\正式文件中，先用测试环境\临时文件充分验证后上正式环境（一）数据清洗设计原则数据清洗设计原则（二）数据清洗原则少量数据。先合并、联接再清洗大量数据源接入。先按照统一标准清洗，再接入每个数据计算层。先清洗再计算分析结果发现数据问题。向前溯源，新增、修订清洗规则课程小结01.数据清洗概述02.数据清洗主要内容及处理方法03.数据清洗设计原则思考题（可选

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论