第4章初步整理
第4章初步整理(第5/5頁)
樣例。但這個風險點，我會在數據說明文檔裡重點標註。”
“可以，標註清楚。就這樣，快去。”王海揮手。
陳默回到座位，看著屏幕上那一片混亂的編碼。他新建了一個“編碼映射與問題記錄”的子文件，詳細寫下了問題描述、王海的處理意見、以及自己將采取的具體步驟。然後，他修改清洗腳本，增加了按照舊碼表映射、無法映射的歸類為“zz_unknown”的步驟。腳本運行，看著一行行數據被處理，那些千奇百怪的編碼被歸入“未知”類彆，他心裡那點不安感並冇有消失，反而像石頭一樣沉下去。
他看了一眼初步統計，“未知”編碼的交易記錄，占了總交易筆數的接近百分之十五。比例不低。
他繼續工作。第三天晚上，他加班到十點多，終於將幾個核心文件初步清洗完畢，生成了第一版“乾淨”的基礎數據集。他按照要求，生成了數據概覽報告，包括數據量、字段說明、缺失值比例、異常值處理情況，以及那個醒目的“‘交易類型編碼’未知比例：14.8%”的紅色警示框。
他把數據集、報告、以及詳細的清洗過程記錄文檔打包，在第四天上午一上班，就發給了王海。同時在郵件正文裡寫道：“王組，天晟數據初步清洗完成，已發附件。核心問題已在報告中標紅。請查收。”
幾分鐘後，王海回複了郵件，隻有兩個字：“收到。”