Обработка пропущенных данных

Очистка данных в базах данных PostgreSQL

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Пропущенные данные (пример)

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

Представления пропущенных значений:

  • NULL (общий случай)
  • '' — пустая строка (используется для строковых столбцов)
Очистка данных в базах данных PostgreSQL

Причины пропущенных данных

Причины пропущенных данных Чёрная головоломка с недостающим фрагментом

  • Изображение силуэта головы человека с мозгом человеческий фактор
  • Изображение шестерёнок системные сбои
Очистка данных в базах данных PostgreSQL

Типы пропущенных данных

Три изображения с различными типами данных, их категориями и аббревиатурами

Очистка данных в базах данных PostgreSQL

Типы пропущенных данных

Три изображения с различными типами данных, их категориями и аббревиатурами, с добавленным описанием типа «Полностью случайные пропуски»

Очистка данных в базах данных PostgreSQL

Типы пропущенных данных

Три изображения с различными типами данных, их категориями и аббревиатурами, с добавленным описанием типа «Случайные пропуски»

Очистка данных в базах данных PostgreSQL

Типы пропущенных данных

 ... |       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        | ...
 ... | ...              | ...   | ...                                          | ...
Очистка данных в базах данных PostgreSQL

Типы пропущенных данных

Три изображения с различными типами данных, их категориями и аббревиатурами, с добавленным описанием типа «Неслучайные пропуски»

Очистка данных в базах данных PostgreSQL

Поиск пропущенных данных

SELECT
  *
FROM
  restaurant_inspection
WHERE
  score IS NULL;

SELECT
  COUNT(*)
FROM
  restaurant_inspection
WHERE
  score IS NULL;
Очистка данных в базах данных PostgreSQL

Поиск пропущенных данных

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
Очистка данных в базах данных PostgreSQL

Устранение пропущенных данных

  • Лучший вариант: найти и добавить недостающие значения

    • Не всегда реализуемо
    • Не всегда оправдано

  • Подставить значение (среднее, медиана и т. д.)

  • Исключить записи

Очистка данных в базах данных PostgreSQL

Замена пропущенных значений с помощью COALESCE()

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

SELECT
  name,
  COALESCE(score, -1),
  inspection_type
FROM
  restaurant_inspection;
Очистка данных в базах данных PostgreSQL

Замена пропущенных значений с помощью 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        | ...
 ... | ...              | ...   | ...                                          | ...
Очистка данных в базах данных PostgreSQL

Давайте потренируемся!

Очистка данных в базах данных PostgreSQL

Preparing Video For Download...