1樓：小崔學資料分析
4種方法處理缺失值：
用資料的統計值代替缺失值。比如，平均值。
統計模型統計出來的值代替缺失值。
缺失值數量占此很低且不影響整體的資料分析，缺失值保留。
2樓：BurningTree
填充：用前值、後值、均值、中位數、任意指定值填充去掉該資料或者該資料所在的行/列/單個樣本擬合/插值：樣條插值/多項式插值/其他統計方法若不影響後續資料計算也可以保留，很多計算函式都有乙個引數可以選擇忽略缺失值，這樣省時省力
選擇哪種方法完全取決於資料分析的目的和資料形式與內容，沒有說哪一種是最好或者最有效的。如果本身資料量很大，刪掉幾個缺失值不會損失資訊，那我覺得去掉是最好的，雖然你可能少了幾萬分之一的樣本資訊，但起碼不會引入錯誤資訊。對缺失值不做處理，只在用到它的時候跳過或者忽略也是我常用的方法。
Anyway，前期的處理不要過於簡化，盡量保留資料的原始資訊和特徵，只要不影響後期計算和分析。一味填補和插值真的不是萬能的。
3樓：嘉莉Carrie
主要有3種方法：
1.剔除資料：
若缺失的資料量不大，且對整體分析結果無太大影響，或分析時不涉及這類資料，可剔除缺失值；
2.資料插補：
（1）固定值
觀察當前資料，是否與過往資料有一定關聯性，若有，可以用過往日常資料進行插補；
（2）相似樣本
針對資料屬性、特徵，以類似樣本資料進行補充；
（3）函式值
根據資料集中趨勢「均值、中位數、眾數「，採取合適的函式值進行插補；
（4）建模值
利用合適的模型進行建模，通過公式等，反推當前缺失值，但需考慮模型的準確性及偏差等。
3.不處理：（不建議）
若缺失值資料量不大，且對結果無影響，則可不處理。
4樓：華矩數診台
缺失值分析主要包括記錄的缺失和記錄中某個字段資訊的缺失，兩者都會造成分析結果的不準確，以下列出缺失值產生原因和影響：
（1）缺失值產生原因
1.有些資訊暫時無法獲取，或者獲取資訊代價較大。
2.資訊遺漏。由於人為忘記填寫、人為不重要或者資料理解錯誤，亦或者由於資料採集裝置的故障、儲存介質的故障和傳輸每天的故障等非人為因素。
3.屬性值不存在。某些情況下，缺失值並不意味著資料錯誤。對一些物件來說某些屬性值是不存在的，如兒童收入。
（2）缺失值的影響
1.資料探勘建模將丟失大量有用資訊。
2.資料探勘模型更加不確定，資料規律更難把握。
3.包含空值的資料會使建模過程陷入混亂，導致不可靠輸出。
（3）缺失值分析方法
5樓：林君
如果資料量大，缺失的值不影響統計結果，可以忽略缺失值。
如果資料量小或者基於現實需要補充缺失值：（1）當空值是數值型時，可以考慮選取缺失值前後的平均數補充缺失值；（2）當空值不是數值型，可以考慮用眾數代替
python有哪些資料分析和資料展現的模組可以用？
馬雲 我來貢獻兩個 Python中著名的資料分析庫Panda Pandas庫是基於NumPy 的一種工具，該工具是為了解決資料分析任務而建立，也是圍繞著 Series 和 DataFrame 兩個核心資料結構展開的，其中Series 和 DataFrame 分別對應於一維的序列和二維的表結構。Pan...
有哪些大資料分析培訓機構？
尚矽谷 大資料培訓機構特別多，關鍵是看您自己適合不適合學大資料。幾乎在所有的程式語言中，大資料是薪資最高的，也是學習門檻最高的。最好是本科全日制學歷，理科生。大資料會涉及到很多高數的東西。 微天 我報的是拉勾教育平台的，他們的資料分析實戰訓練營有錄播課和直播課。他們也是做招聘的，我感覺還行，因為我是...
實用的資料分析方法有哪些
現在的大資料的流行程度不用說大家都知道，大資料離不開資料分析，而資料分析的方法和資料分析模型多種多樣，按照資料分析將這些資料分析方法與模型分為對比分析 分類分析 相關分析和綜合分析四種方式，這四種方式的不同點前三類以定性的資料分析方法與模型為主，綜合類資料分析方法與模型是注重定性與定量相結合。在資料...