数据预处理的一些方法
现实世界中，数据集存在着不完整、包含噪声和不一致等特点，无法直接用来挖掘知识。收集数据的设备可能出故障，人为输入数据时出错或缺失，数据传输中引起的错误都将造成数据集含有不正确的属性值。数据中各个属性的单位不同，也可能造成分析过程以及预测模型的不精确。可以使用以下方法预处理数据集。
（1）删除缺失值。
（2）箱线图
R语言使用boxplot()命令绘制箱线图，箱线图也是我们常说的五数分布，通过计算 IQR=Q3-Q1，即第三个四分位数减去第一个四分位数。常用经验是剔除至少高于第三个四分位数或低于第一个四分位数1.5*IQR处的值。但在实际生产过程中，1.5只是经验带给人们的参考值，具体情况应修改这个数值。例如本次试验中，如果使用1.5这个数字，将会剔除大部分数据点，使得数据集失去意义。部分属性甚至高达10才可达到既剔除无用数据又最大限度的保留原本数据的目的。如图1所示。图中用o代替的点即为需要剔除的离群点。
图1
（3）数据标准化/归一化
数据中心化是指讲每一项数据减去该数据集的均值。值得注意的是，标准化会对原始数据产生改变，需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。数据标准化有几种不同的方法：
1. min-max标准化公式：新数据=（原数据-极小值）/（极大值-极小值）。这样能将原始值映射在[0,1]区间中的某值。
2. z-score法：将中心化后的数据除以数据集的标准差，这样做的意义是消除量纲对数据结构的影响。R语言中使用scale(x,center = T,scale =T)命令进行z-score标准化。
3. 小数定标标准化
4. 对数Logistic模式公式：新数据=1/(1+e^(-原数据))
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
DSGE 模型中的 Et：理性预期算子的内涵、作用与应用解析 动态随机一般均衡（Dynamic Stochastic General Equilibrium, DSGE）模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确：TIF 中的地名有哪两种存在形式？ 在开始提取前，需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师：解锁表结构数据特征价值的专业核心 表结构数据（以 “行 - 列” 规范存储的结构化数据，如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值？详解 dropna 函数的功能与实战应用 在用 Python（如 pandas 库）处理 Excel 数据时，“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验：差异、适用场景与实践应用 在数据分析与统计学领域，假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师：掌控表格结构数据全功能周期的专业操盘手 表格结构数据（以 “行 - 列” 存储的结构化数据，如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析：原理、影响因素与优化 在 MySQL SQL 调优中，EXPLAIN执行计划是核心工具，而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content：区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时（如使用requests ...
2025-09-15CDA 数据分析师：激活表格结构数据价值的核心操盘手 表格结构数据（如 Excel 表格、数据库表）是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比：urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求（如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师：业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段，其价值 ...
2025-09-12用 SQL 验证业务逻辑：从规则拆解到数据把关的实战指南 在业务系统落地过程中，“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例：数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下，精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析：概念辨析与协同价值 在数据驱动决策的体系中，“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析：从操作实践到业务价值挖掘 在数据分析场景中，聚类分析作为 “无监督分组” 的核心工具，能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的：从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具，并非简单的 “公式堆砌”，而是围绕特定 ...
2025-09-10CDA 数据分析师：商业数据分析实践的落地者与价值创造者 商业数据分析的价值，最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键：从业务到落地的全流程解析 在人工智能技术落地的浪潮中，机器学习作为核心工具，已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS（Statistical Product and Service Solutions，统计产品与服务解决方案 ...
2025-09-09
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
