通常，我们从真实世界中提取的数据往往具有多种形式，散乱无章。那么，我们如何能够从这些数据中获取有效洞察？针对这些缺失数据、非结构化数据，以及缺乏常规结构的数据，我们需要采用某些方法执行清理，从而确保和改进数据质量。
数据清理在数据库中有着悠久的历史，是提取、转换、加载 (ETL) 过程中非常关键一步。
1.提取：ETL 通常用在数据仓库中，这里的数据提取自一个或多个来源
2.转换：将数据转换为适当的格式和结构，包括执行数据清理
3.加载：将数据加载到最终目标位置，比如一个数据库或文件
数据清理始于数据解析，也即从数据文件获取每个观察值并提取每个独立元素。如果记录相似（元素数量相同、类型相似等），则可以轻松地确定解析方法。
今天我们就来一起探索处理实际数据的一些重要问题，以及可以应用的方法。并演示如何开发一个能够执行数据验证和概要分析的简单实用程序。
点击“阅读原文”查看完整文章，处理数据自有一手，精确洞察不再烦忧！