快速提高数据质量的数据清洗小技巧

数据清洗怎么做（一）：准备工作

拿到数据表之后，先做这些准备工作，方便之后的数据清洗。

1. 给每一个sheet页命名，方便寻找

2. 给每一个工作表加一列行号，方便后面改为原顺序

3. 检验每一列的格式，做到每一列格式统一

4. 做数据源备份，防止处理错误需要参考原数据

5. 删除不必要的空行、空列

数据清洗怎么做（二）：统一数值口径

这是个无聊而必要的步骤。例如我们统计销售任务指标，有时用合同金额有时用回款金额，口径经常不统一。统计起来就很麻烦。所以将不规范的数值改为规范这一步不可或缺。

数据清洗怎么做（三）：删掉多余的空格

原始数据中如果夹杂着大量的空格，可能会在我们筛选数据或统计时带来一定麻烦。如何去掉多余的空格，仅在字符间保留一个空格？

1. 手动删除。如果只有三五个空格，这可能是最快的方式。

2. 函数法

在做数据清洗时，经常需要去除数据两端的空格，那么TRIM、LTRIM、RTRIM这3个函数就可以帮到你啦~

TRIM函数：主要是用来去除单元格内容前后的空格，但不会去除字符之间的空格。表达式：=TRIM（文本）

数据清洗怎么做（四）：字段去重

强烈建议把去重放在去除空格之后，因为多个空格导致工具认为“顾纳”和“顾 纳”不是一个人，去重失败。

按照“数据”-“删除重复项”-选择重复列步骤执行即可。（单选一列表示此列数据重复即删除，多选表示多个字段都重复才删除。）

数据清洗怎么做（五）：填补缺失值

由于人工录入或者数据爬虫等多方面的原因，会出现缺失值的情况，这就需要我们寻找漏网之“数据”，填充空缺值。

如何统计有多少缺失值？先看ID唯一列有多少行数据，参考excel右下角的计数功能，对比就可以知道其他列缺失了多少数据。

如何定位到所有缺失值？Ctrl+G，选择定位条件，然后选择空值。

缺失值的处理方法：

1. 人工补全。适合数据量少的情况。

2. 删除。适用于样本较大的情况，样本较小时，可能会影响最终的分析结果 。

3. 根据数据的分布情况，可以采用均值、中位数、或者众数进行数据填充。数据均匀，均值法填充；数据分布倾斜，中位数填充。

数据清洗怎么做（六）： 用模型计算值来代替缺失值

回归：基于完整的数据集，建立回归方程。将已知属性值代入方程来估计未知属性值，以估计值来进行空值得填充。

极大似然估计：基于缺失类型为随机缺失得条件下，假设模型对于完整的样本是正确的，通过观测数据的边际分布可以对缺失数据进行极大似然估计。

数据清洗怎么做（七）：插补法

随机插补法：从总体中随机抽取某几个样本代替缺失样本。

多重填补法：包含m个插补值的向量代替每一个缺失值的过程，要求m大于等于20。m个完整数据集合能从插补向量中创建。

数据清洗怎么做（八）：异常值处理

异常值：指一组测定值中与平均值的偏差超过两倍标准差的测定值。

对异常值处理，需要具体情况具体分析，一般而言，异常值的处理方法常用有以下3种：

1. 不处理

2.用平均值替代：利用平均值来代替异常值，损失信息小，简单高效。

视为缺失值：将异常值视为缺失值来处理，采用处理缺失值的方法来处理异常值。

数据清洗怎么做（九）：拆分单元格

按照以下步骤对合并单元格进行拆分并填充：

1. 点击取消合并单元格

2. 空白单元格定位：点击定位-选择空白

3. 写上=上个单元格

4. Ctrl+Enter

数据清洗怎么做（十）：分组计算

通过VLOOKUP函数将字段合在一起用于计算。

VLOOKUP（lookup_value，table_array，col_index_num，range_lookup）

以上是思迈特软件Smartbi的分享，更多行业干货可关注我们下一期的分享。思迈特软件Smartbi是知名国产BI品牌，专注于商业智能BI与大数据BI分析平台软件产业的研发及服务。经过多年持续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。

现个人版提供全模块长期免费使用，有兴趣的小伙伴可登陆官网免费试用。

责任编辑：tzh