企师爷

请上传logo 请上传logo

线上调研数据处理的5种常用方法

2023-03-13 14:24:18 企师爷

一般而言,会采用线上调研的方式。线上调研是目前相对较新的研究方法,也是目前应用较多的调研方式。线上调研主要是利用互联网技术和方法,从网上募集受访者,通过问卷等形式收集用户的观点、看法。

线上调研的优势是成本低、时效性强、覆盖人群广。但同时线上调研也会存在一定的劣势,比如受访者与目标调研群体不相符,受访者乱填或漏填数据。如果不进行数据处理,那么可能导致分析结果与实际情况存在差异,进而影响下一步的决策执行。

那么线上调研的数据该怎么进行处理呢?常用的方法有5种。

一、异常值处理

异常值是指样本中的个别值,其数值明显偏离它(或他们)所属样本的其余观测值。

异常值检测逻辑是,对变量的数据集(类似于列)按照设置的闻值进行判定,筛选出落在异常值检测范围内的数据,再根据处置方法将原数据替换。

常用的异常值判断标准有自定义识别、MAD异常值识别、IQR异常值识别、3sigma异常值识别。

MAD异常值识别:假定数据服从正态分布,让异常点(outliers)落在两侧的 50% 的面积里,让正常值落在中间的 50% 的区域里

IQR异常值识别:四分位距(IQR)就是上四分位与下四分位的差值。而我们通过IQR的1.5倍为标准,规定:超过(上四分位+1.5倍IQR距离,或者下四分位-1.5倍IQR距离)的点为异常值。

二、重复值处理

重复值是指样本中出现无效重复的数据,通常可采用个案处理。

个案处理是指检查与剔除无效样本,个案实际就是单个样本,一个样本由有限个变量的数据集组成,个案处理是对众多样本的变量数据集进行校验检测,筛除无效样本(含重复),是对行的标记处理。

三、空缺值填补

顾名思义,样本中出现空缺的数值。

空缺值通常是出现空值、空格、字符串"None",其处理方式主要有众数、中位数、均值等统计量数值填充。

四、数据标准化

标准化和归一化是两种数据预处理方法,都是将数据转化为某种尺度,使得数据在进行后续分析时能够更加准确。

通常用于解决数据不同量级或者尺度不同的问题。通过一定的数学变换方式,将原始数据按照一定的比例进行转换,使之落入到一个小的特定区间内,例如[0,1]或[-1,1]的区间内,消除不同变量之间性质、量纲、数量级等特征属性的差异,将其转化为一个无量纲的相对数值,也就是标准化数值,使各指标的数值都处于同一个数量级别上,从而便于不同单位或数量级的指标能够进行综合分析和比较。

1、min-max标准化

公式为:(X-min)/ (max-min)

作用:对原始数据的线性变换,使结果落到[0,1]区间。

对原始数据进行线性变换,无论原始数据是正值还是负值,结果都会落到[0,1]区间。并且正负指标均可转化为正向指标,作用方向一致。但是如果有新数据加入,就可能会导致最大值和最小值发生变化,就需要进行重新定义,并重新计算。

2、z-score 标准化

公式为:(X-Mean)/ Std

作用:标准化后的变量值围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。

应用场景:适用于当某个指标的最大值和最小值未知时,或者有超出取值范围的离群数值时。

处理后的数据符合均值为0,标准差1的标准正态分布,围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。

3、归一化

归一化是将数据的值转化为0到1之间的值。

归一化的公式为:X / (x1+x2+...Xn)

作用:对正数进行变换,使结果落到[0,1]区间,其将数值的绝对值变成相对值关系。

归一化应用场景:归一化通常用于解决数据范围不同的问题。可以使用归一化将数据转化为相同范围,从而使得所有特征对模型的训练和预测产生相同的影响。

五、数据编码

数据编码是将变量数值再次进行编码,可进一步浓缩或整合原始数据。样本数量50-100,建议分6-10组;样本数量100-250,建议分7-12组;样本数量250以上,建议分10-20组。分组太少会掩盖变量变动时频次变化,分组太多增加偶然因素,看不出明显规律。

总的来说,数据清洗是对原始数据进行规范化的处理,属于数据处理的一道工序。从提高数据质量的角度来讲,只要有效提高数据质量的处理过程,都可以认为是数据清洗。


工作时间:09:00-18:00
0731-8552-2587
关注我们

关注“柒点传媒”

关注“企师爷”

首页
产品
投资
联系