怎么进行有效的数据清洗（10个数据清洗小技巧）

数据质量在数据分析中的重要性毋庸置疑，其直接影响数据的产出和数据价值的高低，通常我们对数据质量的判断主要依据准确性、完整性和一致性三方面。但是，这几点原始数据往往并不具备。所以数据清洗成为了数据分析的重要前提，并且占据了整个数据分析工作中80%的时间。

那么如何通过数据清洗来提高数据质量呢？接下来小编就来教大家10个数据清洗小技巧，希望能帮助小伙伴们提高工作效率~

1、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

2、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。

3、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)

ps：LTRIM、RTRIM与TRIM函数的使用方法一样~

LTRIM函数：用来去除单元格内容左边的空格；RTRIM函数：用来去除单元格内容右边的空格。

4、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。）

5、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。

（4）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。

（5）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。

6、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。

（3）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。

7、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

8、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)

9、固定宽度截取

固定宽度截取：

mid(text,start_num,num_chars)；

其中：text表示要截取的字符串，start_num表示从第几位字符串开始截取，num_chars表示要截取的字符数。

10、二维表转换

（1）插入数据透视表

（2）选择“使用多重合并计算区域”

（3）点击“选定区域”

（4）选择所需要处理的区域后点击“添加”按钮

（5）点击“完成”后点击“确认”

（6）弹出数据透视的页面，双击右下角的数字即可

最后，再强调一下，在进行数据清洗之前，一定一定一定要记得备份你的数据源！

-数据分析展示就用DataHunter-

,