1 回答
清洗分为两种，一种是由计算机遵循一定的规则对数据进行校验，自动对数据进行一致性检查和无效值、缺失值的处理，还有一类就是需要筛选过滤掉那些不符合要求的数据，因为这一部分可能会影响分析结果的准确性，需要人工依据数据和场景进行筛选过滤了。数据分析系统中所说的数据清洗大多是指第一种，后一种更倾向为成为ETL模块（DataFocus支持两种清洗方式）。 一般来说，数据清理是将数据精简以除去重复记录，并使剩余部分转换成标准可接收格式的过程。数据清理标准模型是在数据导入过程中，通过一系列步骤“ 清理”数据，然后以期望的格式输出清理过的数据。数据清理从数据的准确性、完整性、一致性、惟一性、适时性、有效性几个方面来处理数据的丢失值、越界值、不一致代码、重复数据等问题。
