如何撰写一份高质量的数据分析总结报告？

本文共计4329个文字，预计阅读时间需要18分钟。

引用：+最全面的数据预处理介绍+-+知乎（zhihu.com）+数据分析——缺失值处理详解（理论篇）+-+知乎（zhihu.com）+理解数据+认识数据，知道数据的规律、取值情况、类型等（92条消息）+机器学习

引用：

最全面的数据预处理介绍 - 知乎 (zhihu.com)

数据分析——缺失值处理详解（理论篇） - 知乎 (zhihu.com)

了解数据

认识数据，知道数据的规模，取值情况，类型等

(92条消息) 机器学习数据分析方法CtrlZ1的博客-CSDN博客机器学习数据分析

数据预处理:

为什么要进行数据预处理：

原始数据普遍存在问题，通常为脏数据，必须加以处理才能用于分析，一方面要提高数据质量，另一方面为了更好的使数据适应特定的数据挖掘技术及工具。

• 数据缺失 （Incomplete） ：属性值为空。

• 数据噪声 （Noisy）：数据值不合常理。如 Salary = “-100”

• 数据不一致 （Inconsistent）：数据前后存在矛盾。如 Age = “42” 和 Birthday = “01/09/1985”

• 数据冗余 （Redundant）：数据量或者属性数目超出数据分析需要。