Obsługa brakujących danych

Czyszczenie danych w bazach PostgreSQL

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Brakujące dane (przykład)

 ... |       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        | ...
 ... | ...              | ...   | ...                                          | ...

Reprezentacje brakujących wartości:

  • NULL (ogólnie)
  • '' - pusty ciąg znaków (dla kolumn tekstowych)
Czyszczenie danych w bazach PostgreSQL

Przyczyny brakujących danych

Co powoduje brakujące dane? Czarna układanka z brakującym elementem

  • Obraz przedstawiający ludzki mózg w sylwetce głowy błąd ludzki
  • Obraz przedstawiający koła zębate problemy systemowe
Czyszczenie danych w bazach PostgreSQL

Typy brakujących danych

Trzy obrazy różnych typów danych z kategoriami i skrótami

Czyszczenie danych w bazach PostgreSQL

Typy brakujących danych

Trzy obrazy różnych typów danych z kategoriami, skrótami i opisem Missing Completely at Random

Czyszczenie danych w bazach PostgreSQL

Typy brakujących danych

Trzy obrazy różnych typów danych z kategoriami, skrótami i opisem Missing at Random

Czyszczenie danych w bazach PostgreSQL

Typy brakujących danych

 ... |       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        | ...
 ... | ...              | ...   | ...                                          | ...
Czyszczenie danych w bazach PostgreSQL

Typy brakujących danych

Trzy obrazy różnych typów danych z kategoriami, skrótami i opisem Missing Not at Random

Czyszczenie danych w bazach PostgreSQL

Identyfikowanie brakujących danych

SELECT
  *
FROM
  restaurant_inspection
WHERE
  score IS NULL;

SELECT
  COUNT(*)
FROM
  restaurant_inspection
WHERE
  score IS NULL;
Czyszczenie danych w bazach PostgreSQL

Identyfikowanie brakujących danych

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
Czyszczenie danych w bazach PostgreSQL

Korygowanie brakujących danych

  • Najlepsza opcja: znaleźć i uzupełnić brakujące wartości

    • Może być niewykonalne
    • Może być nieopłacalne

  • Podać wartość zastępczą (średnia, mediana itp.)

  • Wykluczyć rekordy

Czyszczenie danych w bazach PostgreSQL

Zastępowanie brakujących wartości funkcją COALESCE()

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

SELECT
  name,
  COALESCE(score, -1),
  inspection_type
FROM
  restaurant_inspection;
Czyszczenie danych w bazach PostgreSQL

Zastępowanie brakujących wartości funkcją 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        | ...
 ... | ...              | ...   | ...                                          | ...
Czyszczenie danych w bazach PostgreSQL

Czas na ćwiczenia!

Czyszczenie danych w bazach PostgreSQL

Preparing Video For Download...