利用SQL对数据进行清洗处理-技术圈

获取数据后，对数据的清洗工作必不可少，常用的数据清洗方法主要有缺失值填充、数值替换、数据类型转换、数据分列、重复值处理等，清洗的数据结果直接影响最后数据分析的结果，一个成熟的数据分析师，在日常工作中绝大多数时间都在数据清洗，下面一起学习。

缺失值填充

缺失值处理，可以使用均值、线性插值等方法进行填充，这里使用均值来作为填充值填充，首先计算分数的平均值，然后筛选分数为空的行，使用UPDATE函数将空值填充为平均值。

#计算score列的均值SELECT AVG(score) AS avg_score FROM score;

#使用均值填充空值UPDATE score SET score=74 WHERE score is null;select * from score;

清理字符中的空格，使用的是TRIM函数，并且用UPDATE函数更新表格。

#清理字符中的空格UPDATE course SET Cname=TRIM(Cname);select * from course;

REPLACE函数可以对字符进行替换，类似于EXCEL的替换功能。

#修改和替换UPDATE courseSET Cname=REPLACE(Cname,'语文','语文-A');select * from course;

小写转换可以用LOWER函数，大写转换可以用UPER函数，这里使用LOWER函数将大写A转换为小写a。

#大小写转换UPDATE courseSET Cname=LOWER(Cname);select * from course;

数据类型转换用CONVERT函数，括号中第一个写要转换类型的值，第二个写要转换成的数据类型，此处将出生日期转换为日期类型。

SELECT Sname,CONVERT(Sage,date) as '出生日期' FROM student;

mySQL常用的数据类型如下：

数据分列与EXCEL的功能相似，这里使用到的函数是SUBSTRING_INDEX，这里将"语文-A"，分列成科目语文与评级为 A 两部分。

#数据分列SELECTSUBSTRING_INDEX(cname,'-',1) AS '科目',SUBSTRING_INDEX(cname,'-',-1) AS '评级'FROM course;

分列后的数据可以通过更新增加在原数据表中，下面是具体的代码。

#数据分列（改表），添加两个空字段ALTER TABLE course  ADD (col1 VARCHAR(255),col2 VARCHAR(255));SELECT * FROM course;

#更新分列后的字段内容UPDATE course SET col1 = SUBSTRING_INDEX(cname,'-',1),col2 =SUBSTRING_INDEX(cname,'-',-1);SELECT * FROM course;

重复值的处理使用到DISTINCT函数，也可以使用数据分组功能，实现将某个字段去除重复值的功能。

#重复值SELECT DISTINCT CId,Cname FROM course;

点分享

点收藏

点点赞

点在看