Опрацювання пропущених даних

Очищення даних у базах даних PostgreSQL

Darryl Reeves, Ph.D.

Industry Assistant Professor, New York University

Пропущені дані (приклад)

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

Подання пропущених значень:

  • NULL (загальне)
  • '' — порожній рядок (для текстових стовпців)
Очищення даних у базах даних PostgreSQL

Причини пропусків у даних

Що спричиняє пропуски? Чорний пазл із відсутньою деталлю

  • Зображення мозку в силуеті голови людська помилка
  • Зображення шестерень системні збої
Очищення даних у базах даних PostgreSQL

Типи пропусків у даних

Три зображення типів пропусків у даних із назвами категорій та абревіатурами

Очищення даних у базах даних PostgreSQL

Типи пропусків у даних

Три зображення типів пропусків у даних із назвами та абревіатурами, додано опис Missing Completely at Random

Очищення даних у базах даних PostgreSQL

Типи пропусків у даних

Три зображення типів пропусків у даних із назвами та абревіатурами, додано опис Missing at Random

Очищення даних у базах даних PostgreSQL

Типи пропусків у даних

 ... |       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        | ...
 ... | ...              | ...   | ...                                          | ...
Очищення даних у базах даних PostgreSQL

Типи пропусків у даних

Три зображення типів пропусків у даних із назвами та абревіатурами, додано опис Missing Not at Random

Очищення даних у базах даних PostgreSQL

Виявлення пропущених даних

SELECT
  *
FROM
  restaurant_inspection
WHERE
  score IS NULL;

SELECT
  COUNT(*)
FROM
  restaurant_inspection
WHERE
  score IS NULL;
Очищення даних у базах даних PostgreSQL

Виявлення пропущених даних

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
Очищення даних у базах даних PostgreSQL

Як виправити пропуски

  • Найкраще: знайти й додати пропущені значення

    • Може бути нереально
    • Може не виправдати зусиль

  • Підставити значення (середнє, медіану тощо)

  • Виключити записи

Очищення даних у базах даних PostgreSQL

Заміна пропусків за допомогою COALESCE()

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

SELECT
  name,
  COALESCE(score, -1),
  inspection_type
FROM
  restaurant_inspection;
Очищення даних у базах даних PostgreSQL

Заміна пропусків за допомогою 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        | ...
 ... | ...              | ...   | ...                                          | ...
Очищення даних у базах даних PostgreSQL

Давайте потренуємось!

Очищення даних у базах даних PostgreSQL

Preparing Video For Download...