Data Cleaning

定义 Definition

“data cleaning”指数据清洗/数据清理：对原始数据进行检查与处理，修正或删除错误、重复、缺失、不一致的数据，并将格式统一，使数据更适合分析与建模。（也常写作 data cleansing，含义基本相同。）

发音 Pronunciation

/det klin/ （也常见 /dt klin/）

例句 Examples

I spent the morning doing data cleaning.
我花了一上午在做数据清洗。

Before we trained the model, we performed data cleaning to remove duplicates, fix inconsistent dates, and handle missing values.
在训练模型之前，我们进行了数据清洗：去除重复记录、修正不一致的日期，并处理缺失值。

词源 Etymology

“data”来自拉丁语 datum（“给出的东西”），后发展为“资料/数据”；“cleaning”来自古英语 clne（“干净的”）及其动词形式。组合成“data cleaning”这一术语后，在统计学、数据库与数据科学语境中专指“把数据变得可用、可靠的整理过程”。

相关词 Related Words

• Data
• Dataset
• Data Preprocessing
• Data Wrangling
• Data Validation
• Deduplication
• Normalization
• Outlier
• Missing Value
• Data Quality

文学与著作 Notable Works

• R for Data Science（Hadley Wickham & Garrett Grolemund）讨论数据导入与整理，常用“cleaning data / data cleaning”表述
• Python for Data Analysis（Wes McKinney）在数据处理章节中频繁出现“data cleaning”
• Data Science for Business（Foster Provost & Tom Fawcett）以商业数据为背景谈数据准备与清洗的重要性
• The Data Warehouse Toolkit（Ralph Kimball 等）在数据仓库与ETL流程中涉及数据清洗概念与实践