Gestire i dati mancanti

Pulizia dei dati nei database PostgreSQL

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Dati mancanti (esempio)

 ... |       name       | score |               inspection_type                | ... 
 ----+------------------+-------+----------------------------------------------+-----
 ... | ...              | ...   | ...                                          | ...
 ... | SCHNIPPERS       | 27    | Cycle Inspection / Initial Inspection        | ...
 ... | ATOMIC WINGS     |       | Administrative Miscellaneous / Re-inspection | ...
 ... | WING LING        | 44    | Cycle Inspection / Initial Inspection        | ...
 ... | JUAN VALDEZ CAFE | 24    | Cycle Inspection / Initial Inspection        | ...
 ... | FULTON GRAND     | 22    | Cycle Inspection / Initial Inspection        | ...
 ... | ...              | ...   | ...                                          | ...

Rappresentazioni dei valori mancanti:

  • NULL (generale)
  • '' - stringa vuota (per colonne testuali)
Pulizia dei dati nei database PostgreSQL

Cause dei dati mancanti

Cosa causa i dati mancanti? Puzzle nero con pezzo mancante

  • Un'immagine che mostra un cervello umano in una silhouette di testa errore umano
  • Un'immagine di ingranaggi problemi sistematici
Pulizia dei dati nei database PostgreSQL

Tipi di dati mancanti

Tre immagini dei diversi tipi di dati con ogni categoria e abbreviazione elencate

Pulizia dei dati nei database PostgreSQL

Tipi di dati mancanti

Tre immagini dei diversi tipi di dati con ogni categoria e abbreviazione elencate; aggiunta la descrizione di Missing Completely at Random

Pulizia dei dati nei database PostgreSQL

Tipi di dati mancanti

Tre immagini dei diversi tipi di dati con ogni categoria e abbreviazione elencate; aggiunta la descrizione di Missing at Random

Pulizia dei dati nei database PostgreSQL

Tipi di dati mancanti

 ... |       name       | score |               inspection_type                | ... 
 ----+------------------+-------+----------------------------------------------+-----
 ... | ...              | ...   | ...                                          | ...
 ... | SCHNIPPERS       | 27    | Cycle Inspection / Initial Inspection        | ...
 ... | ATOMIC WINGS     |       | Administrative Miscellaneous / Re-inspection | ...
 ... | WING LING        | 44    | Cycle Inspection / Initial Inspection        | ...
 ... | JUAN VALDEZ CAFE | 24    | Cycle Inspection / Initial Inspection        | ...
 ... | FULTON GRAND     | 22    | Cycle Inspection / Initial Inspection        | ...
 ... | ...              | ...   | ...                                          | ...
Pulizia dei dati nei database PostgreSQL

Tipi di dati mancanti

Tre immagini dei diversi tipi di dati con ogni categoria e abbreviazione elencate; aggiunta la descrizione di Missing Not at Random

Pulizia dei dati nei database PostgreSQL

Identificare i dati mancanti

SELECT
  *
FROM
  restaurant_inspection
WHERE
  score IS NULL;

SELECT
  COUNT(*)
FROM
  restaurant_inspection
WHERE
  score IS NULL;
Pulizia dei dati nei database PostgreSQL

Identificare i dati mancanti

SELECT
  inspection_type,
  COUNT(*) as count
FROM
  restaurant_inspection
WHERE
  score IS NULL
GROUP BY
  inspection_type
ORDER BY
  count DESC;

                  inspection_type                  | count 
 --------------------------------------------------+-------
 Administrative Miscellaneous / Initial Inspection |   104
 Smoke-Free Air Act / Initial Inspection           |    29
 Calorie Posting / Initial Inspection              |    22
 Administrative Miscellaneous / Re-inspection      |    22
 Trans Fat / Initial Inspection                    |    18
 Smoke-Free Air Act / Re-inspection                |     7
 Trans Fat / Re-inspection                         |     3
Pulizia dei dati nei database PostgreSQL

Correggere i dati mancanti

  • Opzione migliore: trovare e aggiungere i valori mancanti

    • Può non essere fattibile
    • Può non valere la pena

  • Imputare un valore (media, mediana, ecc.)

  • Escludere i record

Pulizia dei dati nei database PostgreSQL

Sostituire i mancanti con COALESCE()

COALESCE(arg1, [arg2, ...])

SELECT
  name,
  COALESCE(score, -1),
  inspection_type
FROM
  restaurant_inspection;
Pulizia dei dati nei database PostgreSQL

Sostituire i mancanti con COALESCE()

 ... |       name       | score |               inspection_type                | ... 
 ----+------------------+-------+----------------------------------------------+-----
 ... | ...              | ...   | ...                                          | ...
 ... | SCHNIPPERS       | 27    | Cycle Inspection / Initial Inspection        | ...
 ... | ATOMIC WINGS     | -1    | Administrative Miscellaneous / Re-inspection | ...
 ... | WING LING        | 44    | Cycle Inspection / Initial Inspection        | ...
 ... | JUAN VALDEZ CAFE | 24    | Cycle Inspection / Initial Inspection        | ...
 ... | FULTON GRAND     | 22    | Cycle Inspection / Initial Inspection        | ...
 ... | ...              | ...   | ...                                          | ...
Pulizia dei dati nei database PostgreSQL

Ayo berlatih!

Pulizia dei dati nei database PostgreSQL

Preparing Video For Download...