第9课+常见的数据处理过程+课件+2024—2025学年河北大学版（2024）《信息技术》七年级上册.pptxVIP

常见的数据处理过程

一、处理数据的过程

数据合并数据标准化数据变换数据清洗一、数据处理过程数据处理过程四个基本步骤

数据合并能将数据进行简单归类，为分析数据创建好数据分类集;一、数据处理过程数据变换可以将数据加工成建模时需要的形式，为数据建模做准备。通常数据标准化和数据变换作为同一步骤执行。数据清洗可以将数据中的缺陷、错误数据等问题处理掉，最大限度地提高数据分析结果的准确度;数据处理过程可以大致分为数据合并、数据清洗、数据变换、数据标准化四个基本步骤。

一、有效处理数据的方法数据处理是数据分析过程中的关键环节，直接影响到分析建模的效率。为了确保数据的准确性和完整性，我们需要收集庞杂的数据，并对数据进行整理和清洗。为了更好地组织和理解数据，我们需要对数据进行分类和合并，这可能涉及按照一定规则进行分组、合并或排序。此外，为了进行后续的数据分析，我们还需要进行数据转换和计算。

二、数据处理的基本方法

二、数据处理的基本方法任务一：合并数据集

二、数据处理的基本方法图2-162017年四大区域与共建“一带一路”国家贸易额及占本区域对外贸易的比重数据来源:国家信息中心“一带一路”大数据中心《“一带一路”大数据报告(2018)》，商务印书馆2018年。

二、数据处理的基本方法相同部分

二、数据处理的基本方法图2-18合并数据

二、数据处理的基本方法任务二：数据清洗

二、数据处理的基本方法数据清洗的三个主要表现方面修正异常值删除重复数据处理数据缺失值想要在数据清洗方面做得更好，需要具备严谨的态度和所探究领域型面、系统的知识，也需要在数据探索的道路上不断积累成功的经验和失败。

二、数据处理的基本方法(1)数据缺失值的检测数据缺失是指数据中某个或某些特征的值是不完整的，这些值称为缺失值。造成数据缺失的原因很多，可能是由于疏忽或遗漏无意造成的，也可能是某些数据特征根本不存在等。在很多数据应用场景中都会碰到数据缺失的情况。(2)处理重复数据由于数据分布、数据共享等原因，在数据的采集和处理过程中，会产生大量的重复数据，增加存储成本。重复数据包括记录重复、特征重复两种类型。记录重复是指对数据进行检测，存在多行数据，其中存在一个或多个特征的值完全相同的情况。特征重复是指数据中存在一个或多个行/列名称不同但数据完全相同的情况，如表2-3所列。对重复数据的有效检查和删除，在不损坏数据真实性和完整性的前提下，可以减少重复数据对存储成本的影响，以优化和节省更多的存储空间。(3)异常值处理如表2-3所列，可以去掉重复数据，也可以尝试在电子表格中删除数据行。异常值是指数据中存在的不合理的个别值。产生异常值的主要原因包括人为错误和自然错误两大类。数据录入错误属于人为错误，而数据采集过程中由于外部干扰产生的数据错误则为自然错误。如何处理这些异常值?我的处理方法:除电子表格外，也有其他处理数据的工具，在后面的学习中会接触到。

二、数据处理的基本方法

二、数据处理的基本方法？？

三、拓展与深化

三、拓展与深化

三、拓展与深化图2-19中国与波兰在多个关键领域的合作情况

三、拓展与深化图2-19中国与波兰在多个关键领域的合作情况平台将以图表的形式，展示出所选时间段内，中国与波兰在多个关键领域的合作情况，包括但不限于中国对波兰进出口的活跃度、中国对波兰直接投资的存量规模增长趋势，以及双方港口间集装箱吞吐量的变动情况(如图2-19)。单击图表上方的“表格下载”按钮，即可下载数据表格，进而对数据进行更深入的分析。这种数据驱动的视角，能够帮助我们对两国合作情况一个全面而深入的了解，揭示出两国间经济合作的广度、深度及发展趋势。

二、数据处理的基本方法任务三：自选国家、指数进行分析

三、拓展与深化一带一路网站/我选择的国家是：我选择的指标是：我的结论是：进行数据分析的目的，是了解数据背后的意义。通过以上数据，可以看到“一带一路”倡议对周边国家经济的影响以及我国做出的巨大贡献。

感谢观看