第287章 衣裙(第2页)

数据生命周期中y可以通过数据质量管理的方法和手段y在数据生成

使用消亡的过程里y及时发现有缺陷的数据y然后借助数据管理手

段y将数据正确化和规范化y从而达到符合要求的数据质量标准总

体而言y数据质量管理覆盖质量评估数据去噪数据监控数据探

查数据清洗数据诊断等方面y而在这个过程中y数据清洗是决定

数据质量好坏的重要因素。

数据清洗按照实现方式y可以分为手工清洗和自动清洗

?

1?手工清洗x手工清洗是通过人工方式对数据进行检查y发现数据中

的错误这种方式比较简单y只要投入足够的人力物力财力y也能

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

?