二、清洗数据的基本要求
（一）完整性
主要问题：缺失值。针对缺失值的处理，基本的操作是删除或者填充等。
删除：删除数据缺失的记录；其优点在于简单易行，但缺点是删除缺失记录丢弃了隐藏在缺失值中的信息。删除缺失值，适用于缺失样本较少、总样本量足够大、被删除的样本量在总样本中占比极小的情况。填充：可使用均值、众数、特殊值、机器学习算法（KNN、聚类……）等。至于是删除缺失值，还是填充缺失值，用哪种方法填充，要根据实际应用场景确定。
（二）全面性
在有的数据中，计量尺度存在差异。比如有的单位是千克（kg），有的单位是磅（bs）。 这里使用千克作为统一的度量单位，将磅转化为千克。
（三）合理性
比如，人的年龄超过 150 岁，并不合理。有很多一般性指标都会存在上限的问题，数据要符合正常逻辑，因此，要进行删除或者填充处理。
（四）唯一性
数据重复会干扰分析结果，数据清洗要确定没有重复计数的情况。
因此，没有高质量的数据，就没有高质量的数据分析、数据挖掘，而数据清洗是高质量数据的一道保障，在数据分析工作中养成数据审核的习惯尤为重要。