恭喜你!

使用 Java 進行資料清理

Dennis Lee

Software Engineer

資料清理之旅

// From assessing quality
DescriptiveStatistics stats = new DescriptiveStatistics(values);
System.out.println("Mean: " + stats.getMean());

// To transforming strings String clean = text.trim().toLowerCase();
// To validating ranges boolean isValid = Range.between(0, 100).contains(value);
// To cleaning tables Table cleaned = data.where(sales.isGreaterThan(1000));
使用 Java 進行資料清理

評估資料品質

  • 劣質資料會導致錯誤決策
  • 評估資料品質:檢查離群值、遺漏值、錯誤型別
// Check statistics
double mean = stats.getMean();

// Detect nulls boolean isMissing = Optional.ofNullable(value).isEmpty();
// Verify types boolean isValidDate = LocalDate.parse(dateStr, formatter);
使用 Java 進行資料清理

一致地轉換資料

  • 格式不一致會影響分析正確性
  • 清理字串;標準化類別與日期
// Normalize strings (e.g., remove non-letters)
String cleaned = dirtyName.replaceAll("[^a-zA-Z\\s]", "");

// Standardize categories String standard = categoryMap.getOrDefault(value, "Other");
// Convert dates LocalDateTime datetime = LocalDateTime.parse(dateStr, formatter);
使用 Java 進行資料清理

驗證資料完整性

  • 在資料進入系統前就把關
  • 依商業規則檢查數值範圍與格式
// Check ranges
boolean inRange = Range.between(min, max).contains(value);

// Validate patterns boolean matches = Pattern.matches(pattern, text);
// Enforce constraints Set<ConstraintViolation<Data>> violations = validator.validate(data);
使用 Java 進行資料清理

清理表格資料

for (String colName : data.columnNames()) {
    // Check missing values 
    System.out.println(data.column(colName).countMissing());
}

StringColumn cleaned = names.map(String::toLowerCase) // Clean text .setName("Clean_Names"); // Name new column
Table summary = data .where(sales.isGreaterThan(1000)) // Filter rows .summarize("Sales", mean) // Aggregate data .by("Category"); // Group results
使用 Java 進行資料清理

資源

使用 Java 進行資料清理

準備好開始清理

使用 Java 進行資料清理

Preparing Video For Download...