9 数据整理与清洗之处理缺失值

在数据分析的过程中，数据的质量直接影响到分析的结果。上一篇文章中，我们探讨了如何进行数据去重和填充，以确保数据的整洁。在本篇中，我们将深入学习如何处理缺失值，这是数据清洗中的一个重要环节。接下来，我们将结合实际案例，通过Excel中的常用功能和公式，帮助你掌握缺失值处理的技巧。

何谓缺失值？

缺失值指的是在数据集中缺少的值，它们可能由于多种原因出现，例如数据收集错误、数据输入错误、用户未提供信息等。缺失值的存在可能导致数据分析的偏差，因此在分析之前，我们需要处理这些缺失值。

处理缺失值的方法

处理缺失值的方法有多种，常见的包括：

1. 删除缺失值
2. 填充缺失值
3. 使用插值法

下面，我们将逐一介绍这些方法，并提供实际操作案例。

1. 删除缺失值

如果缺失值的比例较小，并且删除它们不会不利于分析，您可以选择删除包含缺失值的行或列。

操作步骤：

• 在 Excel 中，选择数据区域。
• 点击 “数据” 标签，选择 “筛选”。
• 使用筛选功能，选择具有缺失值的行，右键点击并选择 “删除”。

案例：

假设有如下的数据表：

姓名	年龄	职业
张三	25	工程师
李四		医生
王五	30
赵六	22	护士

在这个数据集中，李四的年龄缺失，王五的职业缺失。通过筛选方法，我们可以删除缺失值所在的行，最终数据表将变为：

姓名	年龄	职业
张三	25	工程师
赵六	22	护士

2. 填充缺失值

在某些情况下，填充缺失值是更合适的选择。您可以使用平均值、中位数或其他值来填充缺失值。

操作步骤：

• 计算要填充的值（如使用平均值）。
• 使用公式填充缺失值。

案例：

继续使用上述数据表，我们可以选择用年龄的平均值来填充李四的年龄。

首先，我们计算年龄的平均值：

$$
\text{平均年龄} = \frac{25 + 30 + 22}{3} = 25.67
$$

然后，您可以用 Excel 的 IF 函数填充缺失值：

在年龄列的李四单元格中输入：

=IF(B2="", 25.67, B2)

最终数据表将变为：

姓名	年龄	职业
张三	25	工程师
李四	25.67	医生
王五	30
赵六	22	护士

3. 使用插值法

当数据有时间序列性质或相邻数据值具有相关性时，可以使用插值法填充缺失值。这种方法根据已有数据的趋势插入合理值。

案例：

假设有一系列随时间变化的销量数据，其中有缺失值：

月份	销量
1月	100
2月
3月	150
4月	200
5月
6月	180

在这种情况下，我们可以采用 Excel 的插值方法。计算 2 月的销量，可以取 1 月和 3 月的平均值：

$$
\text{销量}_{2月} = \frac{100 + 150}{2} = 125
$$

同样地，计算 5 月的销量可以取 4 月和 6 月的平均值：

$$
\text{销量}_{5月} = \frac{200 + 180}{2} = 190
$$

最终的销量数据表将变为：

月份	销量
1月	100
2月	125
3月	150
4月	200
5月	190
6月	180

小结

在本篇中，我们学习了缺失值的定义及其几种处理方法，包括删除、填充和插值。通过适当的处理缺失值，我们能够提升数据的质量，为后续的数据分析打下良好的基础。掌握这些技能后，你将能够在实际工作中有效应对各种数据挑战。

在下一篇教程中，我们将继续讨论数据类型转换，这是数据整理与清洗过程中的另一个重要部分。通过学习这些内容，你将能够更全面地理解数据分析的准备工作。