2
关注
3344
浏览

数据清洗过程的具体步骤有哪些?

为什么被折叠? 0 个回复被折叠
DataFocus 初级会员 用户来自于: 浙江省杭州市
2020-05-29 13:34

数据清理一般针对具体应用,因而难以归纳统一的方法和步骤,但是根据数据不同可以给出相应的数据清理方法。 

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。

关于作者

问题动态

发布时间
2020-04-16 14:57
更新时间
2020-05-29 13:34
关注人数
2 人关注

相关问题

推特用户分类数据集
想要体现运输的轨迹图,但是数据在其他系统的地图上,需要怎么样才可以在datafocus中体现?
与2016有关的个别儿童传票数目数据集
消防局突发事件数据
消防局数据集
如果要实现一个堆积柱状图,需要满足什么数据条件?
在进行数据分析后,得到的分析结果若存在多个数据列,需要将其拖动时,可以支持吗?
在数值页,如何对数据进行排序?
洗钱犯罪数据
在英文环境下,如何查看昨天的数据情况?

推荐内容

使用什么图表类型可以最直观的展现数据之间的差异?
DataFocus中的图表可视化有何特色?
DataFocus可以做预测么?
在英文环境下,如何查看本周到目前的数据?
如何快速的查看数值?
可以快速找到目标数据看板吗?
数据表种的列信息可以包含哪些数据内容?
数据看板中为什么我导入一个历史问答结果却不见了?
怎样计算列中值去重后个数的关键词?

站点公告

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...

热门话题

版本更新

BI

商业智能

SaaS版

DataFocus 认证

热门专栏

数据分析模型探讨研究