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
什么是数据清洗？
这部分内容有帮助吗？
- Data Cleaning: A Practical Guide, Ihab F. Schopf, Christian Müller, and Hermann J. P. W. Schöberl, 2021 (Springer) DOI: 10.1007/978-3-030-80249-1 - 本书提供了数据清洗技术的最新全面概述，讨论了常见的数据质量问题及实用的解决方法。
- Data Quality: The Accuracy Dimension, Jack E. Olson, 2003 (Morgan Kaufmann) - 一本关于数据质量的奠基性著作，详细阐述了数据准确性的定义、衡量和提升方法，这是数据清洗的核心目标。
- Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber, Jian Pei, 2011 (Morgan Kaufmann) - 一本被广泛使用的教科书，其专门章节详细阐述了数据预处理，全面介绍了数据清洗技术、常见问题以及处理各类数据的方法。