数据清洗在统计调查实践中的应用

发布时间：2022-10-29 11:47

　　高质量的数据是进行各种分析的基本条件,而数据采集、数据整理、数据存储以及数据分析过程中,数据清洗是一个重要环节,是保证数据质量的有效手段。本文重点探讨统计调查实践中数据清洗对象、数据清洗的基本思路和流程,针对实际工作中出现的数据错误类型提出清洗方案及建议。 

【文章页数】：3 页

【文章目录】：
一、引言
二、数据清洗的概念及对象
三、调查数据清洗的基本流程
    1. 清洗前数据准备及备份。
    2. 数据审核清洗。
    3. 清洗后验证评估。
    4. 数据清洗后入库。
四、目前实际工作中数据清洗的基本思路
    1. 人工清洗。
    2. 计算机清洗。
    3. 人工和计算机结合清洗。
    4. 审核及评估。
五、针对不同问题的数据清洗方案
    1. 异常值的处理。
    2. 缺失值的处理。
    3. 重复样本的处理。
    4. 其他错误类型数据的处理。
六、数据清洗主要存在的问题及建议


【参考文献】：
期刊论文
[1]数据质量和数据清洗研究综述[J]. 郭志懋,周傲英.  软件学报. 2002(11)
[2]数据清洗及其一般性系统框架[J]. 曹建军,刁兴春,陈爽,邵衍振.  计算机科学. 2012(S3)
[3]数据仓库中数据清洗技术分析[J]. 罗强,何利力,王晓菲.  电脑编程技巧与维护. 2015(02)
[4]一种基于数据质量维度的数据清洗方法[J]. 李琳.  科技创新与应用. 2017(21)
[5]大数据时代的社情民意调查:机遇、挑战与趋势[J]. 白万平.  现代经济信息. 2016(19)



本文编号：3697631