我们知道在做数据分析之前、中期都需要做数据预处理，也知道数据预处理不好的话，会严重影响后期模型的分析结果。但不同人口里说的数据预处理，包含的内容往往不一样，甚至把模型结果不好的一切原因都归属于数据预处理没做好，他们经常说：你的数据没做好预处理，所以才。。。。

 

不同书籍、课程、网站、人在介绍数据预处理的内容上，会有差异，这很正常。不同学科、行业背景的人，拿到不同的数据，做预处理的内容不一样完全正常。

 

我在这里，将不同学科、行业的数据分析需要做的预处理内容，归纳整理出四个字“三值四化”，这四个字代表的内容，是大多数场景里需要做的预处理。

 

三值，是错误值、异常值、缺失值。

 

四化，是数据离散化、数据一般化、数据标准化、数据归一化。

 

这里面有些特别容易处理，比如错误值，要么修改过来要么删除；再比如数据一般化，通常根据研究者主观经验来处理。

 

但异常值、缺失值、离散化、标准化的处理稍微有点复杂，对于刚入门的初学者会有不好疑惑的地方，这些内容将在以后的视频里逐个给大家分享。