1.数据清洗的基本过程
S1：数据分析。在数据清洗之前，对数据分析，对数据质量问题有更为详细的了解，从而选择更好的清洗方案。
S2：定义清洗规则。通过数据分析，掌握了数据质量的信息后，针对各类问题定制清洗规则，如对缺失数据进行填补策略选择。
S3：规则验证。检验清洗规则和准确性。在数据源中随机选取一定数量的样本进行验证。
S4：清洗验证。当不满足清洗要求时要对清洗规则进行调整和改进。真正的数据清洗过程中需要多次迭代的进行分析、设计和验证，知道获得满意的清洗规则。它们的质量决定了数据清洗的效率和质量。
S5：清洗数据中存在的错误。执行清洗方案，对数据源中的各类问题进行清洗操作。
S6：干净的数据回流。执行清洗方案后，将清洗后符合要求的数据回流到数据源。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
