APP推广合作
联系“鸟哥笔记小乔”
数据预处理|分析前如何整理数据?
2022-06-27 14:35:00

数据预处理

数据可视化的过程中,我们经常会遇到几个情况:

存在个别空值导致整列无法计算、

第三方软件导出的数据格式有问题、

存在重复值导致数据结果错误、

异常值导致可视化效果不好等等

这些问题都会影响我们的分析和可视化结果,这就需要我们在开始分析前,对数据进行清洗和整理。

专业的数据清洗和整理是指从数据库或数据表中更正和删除不准确数据记录的过程。

我们今天一起分享下广义的数据清洗,除了专业的数据库数据清洗外,一些本地的数据、第三方软件导出的数据等,在分析前,也要掌握数据预处理的思维,为后面的数据分析和可视化提供支撑

01、确定字段含义、类型

首先我们需要对数据有一个整体的了解

1、了解每列数据的含义和表头是否对应

2、确保没有重复的字段名

3、数据通常分为日期、数值、文本3种类型

日期:BI工具常用的日期数据的标准格式:

“2015-01-01 00:00:00”

(时分秒部分为可选部分)excel单元格格式设置为日期

数值:数值类型字段通常在系统中用来进行加减等数学计算,所以不能含有数字以外的符号或文本,例如货币符号、千位分隔符等

有人会问,那我需要在数据中展示单位或者分隔符怎么办呢?上传基础数据后,在可视化工具—BDP中制作图表时,可以对计算的数值设置单位、分隔符、小数位、百分数等多种格式

02、转化为一维表

二维表更符合我们日常的阅读习惯,信息更浓缩,适合展示分析结果,但作为源数据进行数据分析时,就需要使用一维表。

如何区分二维表和一维表呢?

当多个字段属于同类型同含义时,例如都是数值字段且表达的含义差不多,那这个就是二维表;

而不存在任何相同性质的字段就是一维表。

例如,上面的示例,这3列数据本质都是销售额,只是不同月份的销售额而已,那就需要我们将其转化为一维形式

操作步骤:

1、上传二维表

2、点击-创建合表-二维转一维

3、勾选需要合并的几列字段,在示例中需要合并3个数值字段,并设置合并后的字段名称

合并项:月份

合并值:销售额

一维表效果:

原始示例中,月份的信息被展示在了表头里,这样的情况下,我们就无法对月份数据进行有效分析,所以转换为一维表后,才能为后面的分析和可视化提供便利

03、删除重复值

在上传数据时,可以选择开启去重,系统会完全相同的多条数据,只保留一条。

在上传后,也可以在高级设置中开启去重,表格更新后,可以实现去重操作

04、缺失值处理

数据中出现缺失值会影响我们的分析结果,例如数值字段中存在空值,会导致无法计算等。

所以在数据预处理时,我们需要对缺失的数据进行处理

1、筛选检查是否有空数据

在上传后,可以通过数据筛选,检查字段中是否有为空的数据

2、对为空的数据赋值

数据中的空白数据,有可能是空值null,也有可能是空字符串,当是空字符串的时候可以用两个引号''表示

这里我们可以添加计算字段,对字段A进行判断,当字段A为空时,对其赋值0,使之不影响后续计算

1)CCOALESCE:非空查找函数,返回参数中的第一个非空值或非空串;如果所有值都为NULL或空串,那么返回空串

示例:ccoalesce([字段A],0)

当字段A中存在空值时,对于数值字段的计算会有影响,将空值替换成0,可以用这个函数,当字段A不为空时,返回字段A,当字段A为空时,返回0

2)if函数:

空值:if([字段A] is null,0,[字段A])

含义:当字段A为空值时,返回0,否则返回字段A

空字符串:if([字段A]='',0,[字段A]) 

05、异常值处理

数据中的异常值通常包含几种情况,例如部分数值极大极小、实际数据不应该有负数,但是出现数值为负等。

例如:该示例表中,存在订单金额为负的情况,根据实际情况判断此数据为异常值

可以通过按维度聚合的方式,可视化的发现极大极小的异常值,通过筛选器将其筛选掉后进行分析

 

高质量的数据通常有一些相同特点:

准确性:字段含义明确、数值和实际情况相符

完整性:数据基本完整,不存在过多缺失值

一致性:同含义同类型字段度量统一

根据这些标准进行数据的预处理和清洗,能够帮助我们更快更好的进行后续的分析和可视化

文中所用数据分析工具:BDP个人版

小草莓
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
小草莓
小草莓
发表文章19
数据运营
确认要消耗 羽毛购买
数据预处理|分析前如何整理数据?吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接