趋近智
数据清洗与预处理入门
章节 1: 干净数据的重要性
什么是数据清洗？
什么是数据预处理？
常见数据质量问题来源
数据质量差的影响
数据清洗流程概述
章节 2: 识别和处理缺失数据
什么是缺失值？
检测缺失数据的方法
可视化缺失数据模式
策略一：删除行（行删除法）
策略二：删除列
策略三：基础值填充（均值/中位数/众数）
选择策略的考量
处理缺失数据：动手实践
章节 3: 处理重复数据
如何定义重复数据？
为何移除重复数据？
识别完全重复行
根据特定列识别重复项
移除重复行
处理重复数据：实践
章节 4: 修正数据类型
数据集中的常见数据类型
为什么正确的数据类型很重要
识别不正确的数据类型
转换为数字类型 (整数, 浮点数)
处理数值转换中的错误
转换为日期时间类型
转换为分类或字符串类型
数据类型修正：动手实践
章节 5: 数据格式化与标准化
统一格式的重要性
统一文本大小写（大写/小写）
去除前导/尾随空格
简单字符串替换
基本单位转换示例
格式化实操
常见数据质量问题来源
这部分内容有帮助吗？
- Data Quality: Concepts, Methodologies and Techniques, Yang W. Lee, Stuart Madnick, Richard Y. Wang, and Harry S. Woodside, 2006 (MIT Press) - 这本基础性书籍全面讨论了数据质量维度和常见问题，直接适用于理解脏数据的来源。
- Database System Concepts, Avi Silberschatz, Henry F. Korth, S. Sudarshan, 2019 (McGraw-Hill) - 一本标准教材，在数据库管理系统的更广阔背景下涵盖了数据完整性、模式设计和数据质量问题，提供了基础知识。
- Data Cleaning: A Practical Approach, R. K. Agrawal, 2023 (John Wiley & Sons) - 本书提供了有关数据清洗流程的最新实践见解，包括本节中讨论的各种数据质量问题的识别和解决。