很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請(qǐng)把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會(huì)有專(zhuān)人和您聯(lián)系
咨詢(xún)?nèi)绾纬蔀榇河鹱髡哒?qǐng)聯(lián)系：鳥(niǎo)哥筆記小羽毛（ngbjxym）
想象一下：
如果你是一家公司的產(chǎn)品經(jīng)理，現(xiàn)在老板需要你調(diào)研一下用戶(hù)需求或用戶(hù)反饋意見(jiàn)，你會(huì)怎么做？
線下舉辦沙龍座談會(huì)？可以，但成本高耗時(shí)長(zhǎng)
客戶(hù)群直接提問(wèn)收集意見(jiàn)？也行，但數(shù)據(jù)凌亂且樣本量小
一般而言，會(huì)采用線上調(diào)研的方式。線上調(diào)研是目前相對(duì)較新的研究方法，也是目前應(yīng)用較多的調(diào)研方式。
線上調(diào)研主要是利用互聯(lián)網(wǎng)技術(shù)和方法，從網(wǎng)上募集受訪者，通過(guò)問(wèn)卷等形式收集用戶(hù)的觀點(diǎn)、看法。
線上調(diào)研的優(yōu)勢(shì)是成本低、時(shí)效性強(qiáng)、覆蓋人群廣。相較于傳統(tǒng)的線下調(diào)研，線上調(diào)研可以節(jié)省一系列費(fèi)用且不受地域限制，可觸達(dá)全國(guó)范圍內(nèi)用戶(hù)群體。
但同時(shí)線上調(diào)研也會(huì)存在一定的劣勢(shì)，比如受訪者與目標(biāo)調(diào)研群體不相符，受訪者亂填或漏填數(shù)據(jù)。
這時(shí)候我們就需要對(duì)收集來(lái)的數(shù)據(jù)進(jìn)行處理，數(shù)據(jù)處理的基本目的是從大量的、雜亂無(wú)章的、難以使用的數(shù)據(jù)中抽取并處理成對(duì)于某些特定的人們來(lái)說(shuō)是有價(jià)值、有意義的數(shù)據(jù)。
如果不進(jìn)行數(shù)據(jù)處理，那么可能導(dǎo)致分析結(jié)果與實(shí)際情況存在差異，進(jìn)而影響下一步的決策執(zhí)行。
那么線上調(diào)研的數(shù)據(jù)該怎么進(jìn)行處理呢？常用的方法有5種。
異常值是指樣本中的個(gè)別值，其數(shù)值明顯偏離它（或他們）所屬樣本的其余觀測(cè)值。
異常值檢測(cè)邏輯是，對(duì)變量的數(shù)據(jù)集(類(lèi)似于列)按照設(shè)置的聞值進(jìn)行判定，篩選出落在異常值檢測(cè)范圍內(nèi)的數(shù)據(jù)，再根據(jù)處置方法將原數(shù)據(jù)替換。
常用的異常值判斷標(biāo)準(zhǔn)有自定義識(shí)別、MAD異常值識(shí)別、IQR異常值識(shí)別、3sigma異常值識(shí)別。
MAD異常值識(shí)別：假定數(shù)據(jù)服從正態(tài)分布，讓異常點(diǎn)（outliers）落在兩側(cè)的 50% 的面積里，讓正常值落在中間的 50% 的區(qū)域里
IQR異常值識(shí)別：四分位距(IQR)就是上四分位與下四分位的差值。而我們通過(guò)IQR的1.5倍為標(biāo)準(zhǔn)，規(guī)定：超過(guò)（上四分位+1.5倍IQR距離，或者下四分位-1.5倍IQR距離）的點(diǎn)為異常值。
重復(fù)值是指樣本中出現(xiàn)無(wú)效重復(fù)的數(shù)據(jù)，通?？刹捎脗€(gè)案處理。
個(gè)案處理是指檢查與剔除無(wú)效樣本，個(gè)案實(shí)際就是單個(gè)樣本，一個(gè)樣本由有限個(gè)變量的數(shù)據(jù)集組成，個(gè)案處理是對(duì)眾多樣本的變量數(shù)據(jù)集進(jìn)行校驗(yàn)檢測(cè)，篩除無(wú)效樣本（含重復(fù)），是對(duì)行的標(biāo)記處理。
顧名思義，樣本中出現(xiàn)空缺的數(shù)值。
空缺值通常是出現(xiàn)空值、空格、字符串"None"，其處理方式主要有眾數(shù)、中位數(shù)、均值等統(tǒng)計(jì)量數(shù)值填充。
標(biāo)準(zhǔn)化和歸一化是兩種數(shù)據(jù)預(yù)處理方法，都是將數(shù)據(jù)轉(zhuǎn)化為某種尺度，使得數(shù)據(jù)在進(jìn)行后續(xù)分析時(shí)能夠更加準(zhǔn)確。
通常用于解決數(shù)據(jù)不同量級(jí)或者尺度不同的問(wèn)題。通過(guò)一定的數(shù)學(xué)變換方式，將原始數(shù)據(jù)按照一定的比例進(jìn)行轉(zhuǎn)換，使之落入到一個(gè)小的特定區(qū)間內(nèi)，例如[0,1]或[-1,1]的區(qū)間內(nèi)，消除不同變量之間性質(zhì)、量綱、數(shù)量級(jí)等特征屬性的差異，將其轉(zhuǎn)化為一個(gè)無(wú)量綱的相對(duì)數(shù)值，也就是標(biāo)準(zhǔn)化數(shù)值，使各指標(biāo)的數(shù)值都處于同一個(gè)數(shù)量級(jí)別上，從而便于不同單位或數(shù)量級(jí)的指標(biāo)能夠進(jìn)行綜合分析和比較。
公式為：（X-min）/ （max-min）
作用：對(duì)原始數(shù)據(jù)的線性變換，使結(jié)果落到[0,1]區(qū)間。
對(duì)原始數(shù)據(jù)進(jìn)行線性變換，無(wú)論原始數(shù)據(jù)是正值還是負(fù)值，結(jié)果都會(huì)落到[0,1]區(qū)間。并且正負(fù)指標(biāo)均可轉(zhuǎn)化為正向指標(biāo)，作用方向一致。但是如果有新數(shù)據(jù)加入，就可能會(huì)導(dǎo)致最大值和最小值發(fā)生變化，就需要進(jìn)行重新定義，并重新計(jì)算。
公式為：（X-Mean）/ Std
作用：標(biāo)準(zhǔn)化后的變量值圍繞0上下波動(dòng),大于0說(shuō)明高于平均水平，小于0說(shuō)明低于平均水平。
應(yīng)用場(chǎng)景：適用于當(dāng)某個(gè)指標(biāo)的最大值和最小值未知時(shí)，或者有超出取值范圍的離群數(shù)值時(shí)。
處理后的數(shù)據(jù)符合均值為0，標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布，圍繞0上下波動(dòng)，大于0說(shuō)明高于平均水平，小于0說(shuō)明低于平均水平。
歸一化是將數(shù)據(jù)的值轉(zhuǎn)化為0到1之間的值。
歸一化的公式為：X / （x1+x2+...Xn）
作用：對(duì)正數(shù)進(jìn)行變換，使結(jié)果落到[0,1]區(qū)間，其將數(shù)值的絕對(duì)值變成相對(duì)值關(guān)系。
歸一化應(yīng)用場(chǎng)景：歸一化通常用于解決數(shù)據(jù)范圍不同的問(wèn)題。可以使用歸一化將數(shù)據(jù)轉(zhuǎn)化為相同范圍，從而使得所有特征對(duì)模型的訓(xùn)練和預(yù)測(cè)產(chǎn)生相同的影響。
歸一化還可以用于將數(shù)據(jù)轉(zhuǎn)化為特定范圍，以適應(yīng)某些算法的要求。例如，某些機(jī)器學(xué)習(xí)算法（如神經(jīng)網(wǎng)絡(luò)）要求輸入數(shù)據(jù)的值在0到1之間。在這種情況下，可以使用歸一化將數(shù)據(jù)轉(zhuǎn)化為0到1之間的值，以便于使用這些算法。
數(shù)據(jù)編碼是將變量數(shù)值再次進(jìn)行編碼，可進(jìn)一步濃縮或整合原始數(shù)據(jù)。
樣本數(shù)量50-100，建議分6-10組；樣本數(shù)量100-250，建議分7-12組；樣本數(shù)量250以上，建議分10-20組。
分組太少會(huì)掩蓋變量變動(dòng)時(shí)頻次變化，分組太多增加偶然因素，看不出明顯規(guī)律。
總的來(lái)說(shuō)，數(shù)據(jù)清洗是對(duì)原始數(shù)據(jù)進(jìn)行規(guī)范化的處理，屬于數(shù)據(jù)處理的一道工序。從提高數(shù)據(jù)質(zhì)量的角度來(lái)講，只要有效提高數(shù)據(jù)質(zhì)量的處理過(guò)程，都可以認(rèn)為是數(shù)據(jù)清洗。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥(niǎo)哥筆記立場(chǎng)，未經(jīng)允許不得轉(zhuǎn)載。
《鳥(niǎo)哥筆記版權(quán)及免責(zé)申明》 如對(duì)文章、圖片、字體等版權(quán)有疑問(wèn)，請(qǐng)點(diǎn)擊 反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量?jī)?nèi)容的交流平臺(tái)。為落實(shí)國(guó)家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶(hù)創(chuàng)造的內(nèi)容、維護(hù)開(kāi)放、真實(shí)、專(zhuān)業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊(cè)用戶(hù)和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶(hù)創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國(guó)未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國(guó)家安全，泄露國(guó)家秘密，顛覆國(guó)家政權(quán)，破壞國(guó)家統(tǒng)一，損害國(guó)家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國(guó)家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過(guò)網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶(hù)及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來(lái)激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語(yǔ)言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類(lèi)的攻擊；
8)威脅：許諾以不良的后果來(lái)迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶(hù)體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣(mài)產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶(hù)點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購(gòu)買(mǎi)或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營(yíng)銷(xiāo)內(nèi)容，如通過(guò)偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營(yíng)銷(xiāo)；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過(guò)頭像、用戶(hù)名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測(cè)字、占卜、解夢(mèng)、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問(wèn)題進(jìn)行求助或咨詢(xún)；
4)問(wèn)自己或他人的八字、六爻、星盤(pán)、手相、面相、五行缺失，包括通過(guò)占卜方法問(wèn)婚姻、前程、運(yùn)勢(shì)，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來(lái)誘導(dǎo)用戶(hù)；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂(lè)等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過(guò)「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭(zhēng)行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過(guò)主動(dòng)發(fā)現(xiàn)和接受用戶(hù)舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶(hù)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶(hù)違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過(guò)作弊手段注冊(cè)、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶(hù)對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過(guò)「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)