第4章初步整理
第4章初步整理(第2/5頁)
el文件。文件打開得很慢，進度條一點點往前爬。
終於打開了。密密麻麻的單元格，一眼望不到邊。列數很多，很多列名是英文縮寫，有些乾脆是“column_a”、“field_1”這樣的默認名。數據格式混亂，同一列裡，有的是數字，有的是文本，有的單元格是“n/a”，有的是“null”，有的是空白。日期格式五花八門，有些看起來像日期，但實際是文本。還有大量重複的記錄。
陳默滾動著鼠標滾輪，大致掃了幾屏。他關了文件，又點開幾個其他的csv和文本文件。情況大同小異。數據確實“原始”，而且混亂程度比他預想的要高。這不僅僅是清洗，先得花時間理解這些數據到底是什麼，哪些是垃圾，哪些是有效信息，各個文件之間有什麼關聯。
他拿起桌上的筆記本和筆，快速記下幾個關鍵問題和需要確認的點。然後站起身，走到李濤的工位。
李濤正戴著耳機，手指在鍵盤上飛快敲打，屏幕上是代碼編輯器，花花綠綠的字符滾動。陳默敲了敲他的隔板。
李濤冇反應，專註地盯著屏幕。
陳默提高聲音：“李濤。”
李濤這才猛地轉頭，扯下一隻耳機，臉上帶著被打斷的不耐煩：“啊？咋了？”
“王組說，讓你把那個客戶畫像的數據字段說明發我一份，天晟項目用。”陳默說。
“哦，那個啊。”李濤臉上的不耐收斂了點，但也冇多少熱情，他切了下屏幕，找到一個文件，快速操作幾下，“發你郵箱了。不過那個說明是咱們自己內部項目的標準，天晟的數據不一定對得上，你參考著看吧。”
“行，謝了。”陳默點頭，準備回去。
“哎，等等，”李濤叫住他，身體往椅背上一靠，挑了下眉，“天晟那個爛攤子，丟給你了？”
“王組讓我做初步整理。”陳默說。
“嘖，”李濤發出一聲意味不明的聲音，搖搖頭，聲音壓低了些，“那堆數據，我之前瞟過一眼，一塌糊塗。天晟那邊it水平就那樣，導出來的東西能看就不錯了。王頭兒這是想快點出活，又不想自己碰這臟活累活。你悠著點，這玩意費時費力不出彩，還容易背鍋。做得再乾淨，也就是個基礎，後麵分析出彩了是彆人的，分析出問題了，搞不好第一個查你數據源頭。”
陳默冇接這話茬，隻說：“我先做著看看。”
“行吧，你加油。”李濤聳聳肩，又把耳機戴了回去，重新麵對他的代碼。
陳默回到自己座位，收到了李濤發來的字段說明文檔。他打開快速看了一下，然後深吸一口氣，關掉所有不必要的程序，新建了一個項目文件夾，按照自己的習慣建立子文件夾：原始數據、過程文件、清洗
（本章未完，請點擊下一頁繼續閱讀）