2
follow
2022
views

数据清洗的方法?

Why is it folded? 0 个回复被折叠
luffy01 注册会员 User from: 浙江省杭州市
2020-05-06 18:43

1.解决不完整数据( 即值缺失)的方法

大多数情况下,缺失的值必须手工填入( 即手工清理)。当然,某些缺失值可以从本数据源或其它数据源推导出来,这就可以用平均值、最大值、最小值或更为复杂的概率估计代替缺失的值,从而达到清理的目的。

2.错误值的检测及解决方法

用统计分析的方法识别可能的错误值或异常值,如偏差分析、识别不遵守分布或回归方程的值,也可以用简单规则库( 常识性规则、业务特定规则等)检查数据值,或使用不同属性间的约束、外部的数据来检测和清理数据。

3.重复记录的检测及消除方法

数据库中属性值相同的记录被认为是重复记录,通过判断记录间的属性值是否相等来检测记录是否相等,相等的记录合并为一条记录(即合并/清除)。合并/清除是消重的基本方法。

4.不一致性( 数据源内部及数据源之间)的检测及解决方法

从多数据源集成的数据可能有语义冲突,可定义完整性约束用于检测不一致性,也可通过分析数据发现联系,从而使得数据保持一致。目前开发的数据清理工具大致可分为三类。

数据迁移工具允许指定简单的转换规则,如:将字符串“female”替换成“女”。

数据清洗工具使用领域特有的知识( 如,邮政地址)对数据作清洗。它们通常采用语法分析和模糊匹配技术完成对多数据源数据的清理。

数据审计工具可以通过扫描数据发现规律和联系。因此,这类工具可以看作是数据挖掘工具的变形。


About the author

clarance2020 初级会员

This guy is lazy,Introduction has not been set

Problem dynamics

Release time
2020-05-06 18:41
Update time
2020-05-06 18:43
Focused
2 people pay attention to

Recommended content

对于未进行权限分配的用户可以进行哪些操作?
怎样筛选查看从本季度到目前的数据值?
在英文环境下,如何查看过去xx月的数据情况?
我可以设置数据层次嘛?
怎样筛选查看排名前x位XX数据列的数据?
怎样新增表之间的关联关系?
在英文环境下,如何查看上个季度的数据情况?
在英文环境下,如何查看过去xx天的数据情况?
什么是二八法则?
分布式集群是什么意思?

Site announcement

DataFocus V6产品升级发布会:大模型的杀手级应用,来了!
北京时间,2024年1月26日 - 在这个数据驱动的时代,高效、准确的数据分析工具对于企业决策的重要性不言而喻。作为中国领先的AI搜索式数据分析平台,DataFocus一直致力于为用户提供更智能、更敏捷的数据分析解决方案。今天,DataFocus在杭州隆重举办了V6产品升级发布会,向全球用户展示了其...

hot topic

搜索式

数据分析

系统配置

可视化

排序

Popular column

数据分析模型探讨研究