大数据工程师数据清洗专项训练题库及答案

大数据工程师数据清洗专项训练题库及答案第1页共1页大数据工程师数据清洗专项训练题库及答案一、单项选择题（共10小题，每题2分）（每小题只有一个选项符合题意，请把正确选项的字母填在题后括号内）1.在数据清洗过程中，以下哪项操作通常用于识别并处理数据中的重复记录？A.缺失值填充B.数据标准化C.唯一性检查D.数据归一化参考答案：C2.当发现数据集中存在异常值时，以下哪种方法通常用于处理这些异常值？A.删除异常值B.将异常值转换为缺失值C.对异常值进行平滑处理D.以上都是参考答案：D3.在数据清洗中，"数据格式不一致"问题通常指的是什么？A.数据类型不一致B.数据单位不一致C.数据编码不一致D.以上都是参考答案：D4.以下哪个工具通常用于数据清洗中的数据验证步骤？A.ApacheSparkB.ApacheHadoopC.OpenRefineD.ApacheFlink参考答案：C5.在处理缺失值时，以下哪种方法属于基于模型的方法？A.填充平均值B.填充中位数C.使用回归模型预测缺失值D.随机删除缺失值参考答案：C6.数据清洗中的"数据转换"步骤主要包括哪些操作？A.数据类型转换B.数据规范化C.数据归一化D.以上都是参考答案：D7.在数据清洗过程中，以下哪个指标可以用来评估数据质量？A.完整性B.一致性C.准确性D.以上都是参考答案：D8.当数据集中存在拼写错误时，以下哪种方法可以用于纠正这些错误？A.使用正则表达式B.使用文本匹配算法C.使用词典检查工具D.以上都是参考答案：D9.在数据清洗中，"数据集成"步骤通常涉及哪些操作？A.合并多个数据源B.解决数据冲突C.数据去重D.以上都是参考答案：D10.以下哪个工具通常用于数据清洗中的数据增强步骤？A.ApacheNiFiB.ApacheSqoopC.ApacheFlumeD.ApacheKafka参考答案：A二、填空题（共10小题，每题2分）（请把正确答案直接填写在题中横线上，填写不完整的不得分）1.在数据清洗过程中，识别并处理数据中的重复记录通常采用______操作。参考答案：删除重复记录2.当数据集中存在异常值时，常用的处理方法包括______和______。参考答案：删除异常值、替换异常值3.数据清洗中的“数据格式不一致”问题通常指的是日期、时间、数字等字段的格式不统一，例如“2023-01-01”与“01/01/2023”。参考答案：日期、时间、数字等字段的格式不统一4.在处理缺失值时，以下哪种方法属于基于模型的方法？______。参考答案：插值法5.数据清洗中的“数据转换”步骤主要包括______、______和______等操作。参考答案：数据类型转换、数据规范化、数据标准化6.在数据清洗过程中，以下哪个指标可以用来评估数据质量？______。参考答案：数据完整率7.当数据集中存在拼写错误时，以下哪种方法可以用于纠正这些错误？______。参考答案：拼写检查工具8.在数据清洗中，"数据集成"步骤通常涉及哪些操作？______。参考答案：数据合并、数据对齐、数据去重9.以下哪个工具通常用于数据清洗中的数据增强步骤？______。参考答案：数据增强工具10.在Spark作业中，处理大规模数据集时，为了提高效率，通常会采用______和______技术。参考答案：分布式计算、内存计算三、判断题（共10小题，每题2分）（正确的打“√”，错误的打“×”，把判断符号填在题后括号内）1.数据清洗的主要目的是为了提高数据的存储效率。参考答案：×2.在数据清洗过程中，处理缺失值时，删除缺失值最多的列是一种常用的方法。参考答案：×3.数据标准化和数据归一化是同一个概念，两者没有区别。参考答案：×4.异常值检测通常使用箱线图（BoxPlot）进行可视化分析。参考答案：√5.数据去重是指删除数据集中的重复记录，确保每条记录的唯一性。参考答案：√6.数据类型转换是数据清洗中常见的步骤，例如将字符串类型的日期转换为日期类型。参考答案：√7.缺失值填充是一种常用的处理方法，常见的填充值包括均值、中位数和众数。参考答案：√8.数据清洗过程中，数据验证的目的是确保数据符合预定义的规则和约束。参考答案：√9.数据集成是指将来自不同数据源的数据合并到一个统一的数据集中。参考答案：√10.数据增强是指通过生成新的数据来扩充数据集，以提高模型的泛化能力。参考答案：√四、简答题（共8小题，每题2分）（请分点作答，语言简明、要点齐全，写在对应题目下方的横线上）1.在数据清洗过程中，如何识别和处理数据中的重复记录？参考答案：通过计算记录的唯一标识符（如主键）的重复率，或使用聚类算法识别相似记录；处理方法包括删除冗余记录、保留最新或最完整记录、合并重复记录信息。2.数据清洗中的“数据格式不一致”问题通常指的是哪些情况？应如何解决？参考答案：指日期格式（如“2023-01-01”与“01/02/2023”）、时间单位（如“秒”与“毫秒”）、数值表示（如“1.23”与“1.230”）等不一致；解决方法包括统一日期格式为ISO标准、统一时间单位为秒、标准化数值精度。3.当数据集中存在缺失值时，常用的处理方法有哪些？参考答案：删除缺失值过多的记录、填充缺失值（均值/中位数/众数/模型预测）、插值法（线性/样条）、标记缺失值（创建新字段）。4.解释数据清洗中“数据转换”步骤的主要作用和常见操作。参考答案：作用是统一数据表示，便于分析；常见操作包括日期格式化、文本清洗（去空格/特殊字符）、数值单位统一、数据类型转换（如字符串转数字）。5.在医疗健康领域，数据清洗对提高数据分析质量有何重要意义？参考答案：消除医疗记录中的错误诊断、不一致用药记录、缺失生命体征数据等，可提高临床决策准确性、保障患者安全、优化资源配置。6.如何通过数据清洗提高交通出行领域数据集的可用性？参考答案：清洗交通流量数据中的异常值（如瞬时拥堵率超100%）、统一GPS坐标格式、处理缺失的车辆类型信息，可提升路径规划算法精度。7.列举家庭与生活器具领域数据清洗中常见的噪声类型及其处理方法。参考答案：噪声类型包括拼写错误（如“冰箱”误写为“放箱”）、格式错误（如温度单位混用）、缺失值（如家电使用年限空白）；处理方法包括规则替换、模糊匹配、专家验证。8.比较数据清洗中“数据集成”和“数据增强”步骤的区别与联系。参考答案：数据集成是合并多源数据消除冗余，数据增强是生成新数据扩充样本；两者联系在于集成后的数据可用于增强，增强需先解决集成带来的格式问题。五、应用题（共8小题，每题3分）（请写出必要的文字说明、方程式和重要的演算步骤，只写最后结果不得分）1.某医院在整理患者病历数据时，发现部分患者的年龄记录为负数，显然是数据录入错误。现有三种修正方案：①将负数年龄替换为该患者所在科室的平均年龄；②将负数年龄直接删除；③将负数年龄修正为正数。请分析这三种方案的优缺点，并说明你会选择哪种方案，理由是什么？参考答案：我会选择方案①，将负数年龄替换为该患者所在科室的平均年龄。理由是直接删除负数年龄可能导致数据丢失，而修正为正数可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。方案②的缺点是删除记录会导致数据不完整，方案③的缺点是修正为正数可能无法反映真实情况。2.在处理一份包含患者性别、年龄、血压（收缩压和舒张压）等信息的医疗数据集时，发现部分患者的性别记录为空。现有四种填充缺失值的方法：①随机选择一个性别填充；②根据年龄分布，按比例填充性别；③删除包含缺失性别的记录；④使用机器学习模型预测缺失性别。请比较这四种方法的适用场景和可能存在的问题。参考答案：我会选择方案②，根据年龄分布，按比例填充性别。理由是随机填充可能导致性别比例失衡，删除记录会导致数据丢失，机器学习模型预测可能过于复杂且不一定准确。方案②既能避免数据丢失，又能保留一定的数据完整性。3.某交通出行数据集包含车辆行驶时间、速度、油耗等信息，但部分记录的速度值异常高（如超过200km/h）。现有三种异常值处理方法：①将异常速度替换为该车辆同时间段内的平均速度；②将异常速度删除；③将异常速度修正为合理范围内的最大值。请分析这三种方法的优缺点，并说明你会选择哪种方法，理由是什么？参考答案：我会选择方案①，将异常速度替换为该车辆同时间段内的平均速度。理由是直接删除异常速度可能导致数据丢失，修正为合理范围内的最大值可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。4.在整合来自三个不同医院的患者数据时，发现三个医院对“是否吸烟”的标注方式不同：医院A用“是/否”，医院B用“1/0”，医院C用“Y/N”。请设计一个数据清洗步骤，将这三个医院的标注统一为一种格式，并说明你的设计思路。参考答案：我会设计以下数据清洗步骤：首先，将医院A的“是/否”转换为“1/0”，医院B的“1/0”保持不变，医院C的“Y/N”也转换为“1/0”。然后，将三个医院的标注统一为“1/0”格式。5.某家庭智能设备数据集包含温度、湿度、光照强度等信息，但部分记录的温度值在冬季出现负数，显然是传感器故障。现有两种修正方案：①将负数温度替换为该时间段内的平均温度；②将负数温度修正为0℃。请分析这两种方案的优缺点，并说明你会选择哪种方案，理由是什么？参考答案：我会选择方案①，将负数温度替换为该时间段内的平均温度。理由是直接删除负数温度可能导致数据丢失，修正为0℃可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。6.在处理一份包含患者身高、体重、BMI（身体质量指数）等信息的医疗数据集时，发现部分患者的BMI值异常高（如超过50）。现有三种处理方法：①将异常BMI替换为该年龄段女性的平均BMI；②将异常BMI删除；③将异常BMI修正为合理范围内的最大值。请分析这三种方法的优缺点，并说明你会选择哪种方法，理由是什么？参考答案：我会选择方案①，将异常BMI替换为该年龄段女性的平均BMI。理由是直接删除异常BMI可能导致数据丢失，修正为合理范围内的最大值可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。7.某交通出行数据集包含车辆行驶路线、距离、油耗等信息，但部分记录的距离值为0。现有三种处理方法：①将距离值替换为该车辆同时间段内的平均距离；②将距离值删除；③将距离值修正为最小合理距离（如1km）。请分析这三种方法的优缺点，并说明你会选择哪种方法，理由是什么？参考答案：我会选择方案③，将距离值修正为最小合理距离（如1km）。理由是直接删除距离值可能导致数据丢失，替换为同时间段内的平均距离可能无法反映真实情况。方案③既能避免数据丢失，又能保留一定的数据完整性。8.在处理一份包含患者年龄、性别、疾病类型等信息的医疗数据集时，发现部分患者的疾病类型记录为空。现有四种填充缺失值的方法：①随机选择一个疾病类型填充；②根据年龄和性别分布，按比例填充疾病类型；③删除包含缺失疾病类型的记录；④使用机器学习模型预测缺失疾病类型。请比较这四种方法的适用场景和可能存在的问题。参考答案：我会选择方案②，根据年龄和性别分布，按比例填充疾病类型。理由是随机填充可能导致疾病类型比例失衡，删除记录会导致数据丢失，机器学习模型预测可能过于复杂且不一定准确。方案②既能避免数据丢失，又能保留一定的数据完整性。标准答案与解析一、单项选择题1.参考答案：C解析：本题考查数据清洗中的重复值处理。唯一性检查是识别并处理数据中重复记录的常用方法。缺失值填充用于处理缺失值，数据标准化和数据归一化用于数据格式转换，与重复值处理无关。2.参考答案：D解析：本题考查异常值处理方法。处理异常值的方法包括删除异常值、将异常值转换为缺失值和对异常值进行平滑处理。因此，正确答案是以上都是。3.参考答案：D解析：本题考查数据格式不一致问题。数据格式不一致包括数据类型不一致、数据单位不一致和数据编码不一致。因此，正确答案是以上都是。4.参考答案：C解析：本题考查数据清洗中的数据验证工具。OpenRefine是一个常用的数据验证工具，用于数据清洗中的数据验证步骤。ApacheSpark、ApacheHadoop和ApacheFlink主要用于数据处理，但不是专门用于数据验证。5.参考答案：C解析：本题考查缺失值处理的基于模型的方法。填充平均值和中位数属于简单统计方法，而使用回归模型预测缺失值属于基于模型的方法。随机删除缺失值是一种简单粗暴的方法，通常不推荐使用。6.参考答案：D解析：本题考查数据清洗中的数据转换步骤。数据转换步骤包括数据类型转换、数据规范化和数据归一化。因此，正确答案是以上都是。7.参考答案：D解析：本题考查数据质量评估指标。数据质量评估指标包括完整性、一致性和准确性。因此，正确答案是以上都是。8.参考答案：D解析：本题考查纠正拼写错误的方法。使用正则表达式、使用文本匹配算法和使用词典检查工具都可以用于纠正拼写错误。因此，正确答案是以上都是。9.参考答案：D解析：本题考查数据清洗中的数据集成步骤。数据集成步骤包括合并多个数据源、解决数据冲突和数据去重。因此，正确答案是以上都是。10.参考答案：A解析：本题考查数据清洗中的数据增强工具。ApacheNiFi是一个常用的数据增强工具，用于数据清洗中的数据增强步骤。ApacheSqoop、ApacheFlume和ApacheKafka主要用于数据采集和流处理，但不是专门用于数据增强。二、填空题1.参考答案：删除重复记录解析：本题考查数据清洗中的重复数据处理。在数据清洗过程中，识别并处理数据中的重复记录是常见任务，通常采用“删除重复记录”操作，以保留唯一有效数据，提高数据质量。2.参考答案：删除异常值、替换异常值解析：本题考查异常值的处理方法。当数据集中存在异常值时，常用的处理方法包括“删除异常值”和“替换异常值”，具体选择取决于数据特性和业务需求。3.参考答案：日期、时间、数字等字段的格式不统一解析：本题考查数据格式不一致问题。数据清洗中的“数据格式不一致”问题通常指的是日期、时间、数字等字段的格式不统一，例如“2023-01-01”与“01/01/2023”。4.参考答案：插值法解析：本题考查缺失值的处理方法。在处理缺失值时，基于模型的方法包括插值法，通过建立模型预测缺失值，提高数据完整性。5.参考答案：数据类型转换、数据规范化、数据标准化解析：本题考查数据转换步骤。数据清洗中的“数据转换”步骤主要包括“数据类型转换”、“数据规范化”和“数据标准化”等操作，以统一数据格式，提高数据可用性。6.参考答案：数据完整率解析：本题考查数据质量评估指标。在数据清洗过程中，以下哪个指标可以用来评估数据质量？数据完整率是常用指标之一，反映数据集中非缺失值的比例。7.参考答案：拼写检查工具解析：本题考查拼写错误的纠正方法。当数据集中存在拼写错误时，以下哪种方法可以用于纠正这些错误？拼写检查工具是常用方法，通过匹配标准词汇库自动纠正错误。8.参考答案：数据合并、数据对齐、数据去重解析：本题考查数据集成步骤。在数据清洗中，"数据集成"步骤通常涉及“数据合并”、“数据对齐”和“数据去重”等操作，以整合多源数据，提高数据一致性。9.参考答案：数据增强工具解析：本题考查数据增强工具。以下哪个工具通常用于数据清洗中的数据增强步骤？数据增强工具，通过生成合成数据，提高数据集的多样性和可用性。10.参考答案：分布式计算、内存计算解析：本题考查Spark作业中的效率提升技术。在Spark作业中，处理大规模数据集时，为了提高效率，通常会采用“分布式计算”和“内存计算”技术，以优化数据处理速度和资源利用率。三、判断题1.参考答案：×解析：本题考查数据清洗的目的。数据清洗的主要目的是提高数据的质量和可用性，而不是提高数据的存储效率。存储效率通常是通过数据压缩、分区等技术来实现的，而不是通过数据清洗。2.参考答案：×解析：本题考查缺失值处理方法。删除缺失值最多的列是一种极端的处理方法，通常不推荐使用，因为它可能会导致重要信息的丢失。更常用的方法包括均值填充、中位数填充、众数填充或使用模型预测缺失值。3.参考答案：×解析：本题考查数据标准化和数据归一化的概念。数据标准化（Z-scorenormalization）和数据归一化（Min-Maxscaling）是两种不同的数据缩放方法，它们有不同的公式和用途。数据标准化将数据转换为均值为0、标准差为1的分布，而数据归一化将数据缩放到一个特定的范围（通常是0到1）。4.参考答案：√解析：本题考查异常值检测方法。箱线图（BoxPlot）是一种常用的可视化工具，可以有效地展示数据的分布情况，并识别出异常值。箱线图的四分位数和四分位距可以帮助识别出远离数据集中趋势的异常值。5.参考答案：√解析：本题考查数据去重。数据去重是指删除数据集中的重复记录，确保每条记录的唯一性。这是数据清洗中常见的步骤，可以提高数据的质量和准确性。6.参考答案：√解析：本题考查数据类型转换。数据类型转换是数据清洗中常见的步骤，例如将字符串类型的日期转换为日期类型。这样可以确保数据的一致性和准确性，便于后续的数据处理和分析。7.参考答案：√解析：本题考查缺失值填充方法。缺失值填充是一种常用的处理方法，常见的填充值包括均值、中位数和众数。这些方法可以帮助填补缺失值，提高数据的完整性。8.参考答案：√解析：本题考查数据验证的目的。数据验证的目的是确保数据符合预定义的规则和约束。通过数据验证，可以识别出不符合要求的数据，并进行相应的处理，以提高数据的质量。9.参考答案：√解析：本题考查数据集成的概念。数据集成是指将来自不同数据源的数据合并到一个统一的数据集中。这样可以提供更全面的数据视图，便于进行综合分析和决策。10.参考答案：√解析：本题考查数据增强的概念。数据增强是指通过生成新的数据来扩充数据集，以提高模型的泛化能力。数据增强可以增加数据的多样性，帮助模型更好地泛化到新的数据上。四、简答题1.参考答案：通过计算记录的唯一标识符（如主键）的重复率，或使用聚类算法识别相似记录；处理方法包括删除冗余记录、保留最新或最完整记录、合并重复记录信息。解析：本题考查数据清洗中重复数据处理。识别重复记录可通过哈希算法或唯一键统计实现；处理方法需结合业务场景选择，如医疗数据保留最新诊断记录，交易数据保留最高金额记录。干扰项可能误选“随机删除”或“全部保留”，解析需指出其业务不合理性。2.参考答案：指日期格式（如“2023-01-01”与“01/02/2023”）、时间单位（如“秒”与“毫秒”）、数值表示（如“1.23”与“1.230”）等不一致；解决方法包括统一日期格式为ISO标准、统一时间单位为秒、标准化数值精度。解析：本题考查数据格式标准化。干扰项可能误选“数据类型转换”或“数据验证”，解析需区分：格式不一致是表层问题，需先解决再进行类型转换；验证是后续步骤。真实错误如忽略时区差异。3.参考答案：删除缺失值过多的记录、填充缺失值（均值/中位数/众数/模型预测）、插值法（线性/样条）、标记缺失值（创建新字段）。解析：本题考查缺失值处理策略。干扰项可能误选“直接删除”所有缺失值，解析需指出其导致数据量锐减的弊端。真实错误如用平均数填充偏态数据。4.参考答案：作用是统一数据表示，便于分析；常见操作包括日期格式化、文本清洗（去空格/特殊字符）、数值单位统一、数据类型转换（如字符串转数字）。解析：本题考查数据转换操作。干扰项可能误选“数据集成”，解析需强调转换是单源内部操作。真实错误如忽略转换后的数据校验。5.参考答案：消除医疗记录中的错误诊断、不一致用药记录、缺失生命体征数据等，可提高临床决策准确性、保障患者安全、优化资源配置。解析：本题考查医疗领域数据清洗价值。干扰项可能误选“提高存储效率”，解析需聚焦业务价值。真实错误如忽略隐私保护要求。6.参考答案：清洗交通流量数据中的异常值（如瞬时拥堵率超100%）、统一GPS坐标格式、处理缺失的车辆类型信息，可提升路径规划算法精度。解析：本题考查交通领域数据清洗。干扰项可能误选“数据增强”，解析需强调清洗是提升现有数据质量。真实错误如忽略不同城市数据标准差异。7.参考答案：噪声类型包括拼写错误（如“冰箱”误写为“放箱”）、格式错误（如温度单位混用）、缺失值（如家电使用年限空白）；处理方法包括规则替换、模糊匹配、专家验证。解析：本题考查家居领域数据清洗。干扰项可能误选“数据验证”，解析需区分清洗是前置步骤。真实错误如忽略用户习惯差异导致的拼写变体。8.参考答案：数据集成是合并多源数据消除冗余，数据增强是生成新数据扩充样本；两者联系在于集成后的数据可用于增强，增强需先解决集成带来的格式问题。解析：本题考查数据集成与增强区别。干扰项可能误选“数据转换”，解析需强调两者目标不同。真实错误如混淆“合并”与“生成”。五、应用题1.参考答案：我会选择方案①，将负数年龄替换为该患者所在科室的平均年龄。理由是直接删除负数年龄可能导致数据丢失，而修正为正数可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。方案②的缺点是删除记录会导致数据不完整，方案③的缺点是修正为正数可能无法反映真实情况。解析：本题考查数据清洗中的异常值处理。方案①的优缺点是：优点是保留了所有数据，避免了数据丢失；缺点是可能引入偏差，因为平均年龄可能与患者实际年龄有较大差异。方案②的优缺点是：优点是避免了数据偏差；缺点是删除记录会导致数据不完整。方案③的优缺点是：优点是修正了数据错误；缺点是可能无法反映真实情况。选择方案①是因为在医疗数据中，年龄是一个重要的指标，直接删除或修正为正数可能会导致数据失真，而替换为科室平均年龄可以在一定程度上保留数据完整性。2.参考答案：我会选择方案②，根据年龄分布，按比例填充性别。理由是随机填充可能导致性别比例失衡，删除记录会导致数据丢失，机器学习模型预测可能过于复杂且不一定准确。方案②既能避免数据丢失，又能保留一定的数据完整性。解析：本题考查数据清洗中的缺失值处理。方案①的优缺点是：优点是简单易行；缺点是可能导致性别比例失衡。方案②的优缺点是：优点是保留了所有数据，且填充的性别比例与年龄分布一致；缺点是可能无法完全反映真实情况。方案③的优缺点是：优点是避免了数据偏差；缺点是删除记录会导致数据不完整。方案④的优缺点是：优点是可能更准确地预测缺失性别；缺点是过于复杂且不一定准确。选择方案②是因为在医疗数据中，性别是一个重要的指标，随机填充可能导致性别比例失衡，删除记录会导致数据丢失，机器学习模型预测可能过于复杂且不一定准确，而按比例填充性别可以在一定程度上保留数据完整性。3.参考答案：我会选择方案①，将异常速度替换为该车辆同时间段内的平均速度。理由是直接删除异常速度可能导致数据丢失，修正为合理范围内的最大值可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。解析：本题考查数据清洗中的异常值处理。方案①的优缺点是：优点是保留了所有数据，避免了数据丢失；缺点是可能引入偏差，因为平均速度可能与实际速度有较大差异。方案②的优缺点是：优点是避免了数据偏差；缺点是删除记录会导致数据不完整。方案③的优缺点是：优点是修正了数据错误；缺点是可能无法反映真实情况。选择方案①是因为在交通出行数据中，速度是一个重要的指标，直接删除或修正为合理范围内的最大值可能会导致数据失真，而替换为同时间段内的平均速度可以在一定程度上保留数据完整性。4.参考答案：我会设计以下数据清洗步骤：首先，将医院A的“是/否”转换为“1/0”，医院B的“1/0”保持不变，医院C的“Y/N”也转换为“1/0”。然后，将三个医院的标注统一为“1/0”格式。解析：本题考查数据清洗中的数据格式不一致问题。数据清洗步骤如下：①将医院A的“是/否”转换为“1/0”；②将医院B的“1/0”保持不变；③将医院C的“Y/N”转换为“1/0”；④将三个医院的标注统一为“1/0”格式。这样可以确保所有数据源的标注方式一致，便于后续分析。5.参考答案：我会选择方案①，将负数温度替换为该时间段内的平均温度。理由是直接删除负数温度可能导致数据丢失，修正为0℃可能无法反映真实情况。方案①既能避免数据丢失，又能保留一定的数据完整性。解析：本题考查数据清洗中的异常值处理。方案①的优缺点是：优点是保留了所有数据，避免了数据丢失；缺点是可能引入偏差，因为平均温度可能与实际温度有较大差异。方案②的优缺点是：优点是修正了数据错误；缺