置顶 新手第一课：从零搭一套能复用的数据清洗流程（附检查清单）
很多朋友一上来就急着调模型，其实八成时间都花在数据上。这份清单把我们组内跑了三年的清洗步骤拆成 12 步，照做能少踩不少坑。
最新话题
今日新帖 42 · 在线 316-
-
精华 可视化模板合集第 7 期：六套适合内部周报的图表配色
配色不是好看就行，得考虑投影仪、打印和色弱同事。这六套方案都做过灰度测试，附上色值与适用场景说明。
-
采集脚本频繁被限流？分享三个我实测有效的降速策略
不是教大家硬闯，而是想聊聊怎么在不影响对方服务的前提下拿到需要的数据。包括请求间隔、缓存复用和增量抓取。
-
求助：三张表的字段对不上，合并后指标全歪了怎么办
业务方给的三份导出文件，时间粒度一个是天一个是周，编码规则也不统一。已经在评论区整理了两套对齐思路，欢迎补充。
-
把周报自动化之后，我多出来的两小时用来做什么
自动化不是终点，省下的时间才是。分享我这半年怎么把重复劳动换成了数据核查和业务沟通，附上排期模板。
-
行业观察：中小团队的数据岗，正在变成什么样子
访谈了七位在小团队做数据的朋友，聊职责边界、工具选择和汇报对象。没有标准答案，但样本挺有意思。
-
悬赏 200 积分：谁能帮我梳理一份口径说明文档模板
跨部门对指标口径，每次都吵。想找一个既能让业务看懂、又能让技术落地的模板，愿意用积分换，先谢过各位。
-
资料整理习惯分享：我的笔记是怎么做到半年后还能看懂的
命名规则、目录层级、版本标记，三件小事坚持下来，找东西的时间少了一大半。评论区很多人晒了自己的方法。
精华帖详情预览
已被收藏 1,204 次
从零搭一套能复用的数据清洗流程（附检查清单）
作者把流程拆成了「取数—体检—对齐—留痕」四个阶段，每个阶段都给了判断标准。比如体检阶段，先看空值率、再看重复率、最后看数值分布，顺序别反，反了会白跑一遍。
原文摘录：「不要等数据出问题才想起来写日志。每一步都留一份中间快照，出事了能回滚，事后也能复盘。这一条比任何技巧都值钱。」
作者：版主 · 老陈
阅读 12,860
评论 128
更新于 2 小时前
第一次发帖？按这个来就行
社区里没人会笑你问得基础，但把话说清楚，能让你更快拿到答案。
1. 先说清背景
数据从哪来、量级多大、跑在什么环境，三句话交代完，回答的人少猜一半。
2. 贴关键片段
报错信息和字段样例贴出来，敏感内容记得脱敏，别把整份文件直接甩上来。
3. 说你试过什么
已经排除的可能、查过的帖子都写上，说明你真的动过手，热心人更愿意帮。