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
如何定义重复数据？
这部分内容有帮助吗？
- Data Cleaning: Problems and Current Approaches, Erhard Rahm, Hong Hai Do, 2000 IEEE Bulletin of the Technical Committee on Data Engineering, Vol. 23 (IEEE Computer Society) - 阐述了数据清洗问题及其处理方法，包括如何识别和解决重复记录，建立了概念框架。
- Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, Foster Provost, Tom Fawcett, 2013 (O'Reilly Media) - 涵盖了数据分析中的数据准备和数据质量理解，对于正确定义和管理数据重复至关重要。
- Data Quality and Entity Resolution, Larisa Gheorghe and Erhard Rahm, 2019 Encyclopedia of Big Data Technologies (Springer, Cham) DOI: 10.1007/978-3-319-76840-5_37-1 - 提供了关于数据质量和实体解析的最新学术观点，侧重于在大数据集中检测重复项的方法。