Data Cleaning

定义 Definition

data cleaning：数据清洗；指对原始数据进行纠错、去重、补全缺失、统一格式、处理异常值等操作，以提升数据质量，便于后续分析、建模或可视化。（也常称 data cleansing。）

发音 Pronunciation

/ˈdeɪtə ˈkliːnɪŋ/

例句 Examples

Data cleaning takes time, but it prevents mistakes.
数据清洗很花时间，但它能避免错误。

Before building the model, the team performed data cleaning to remove duplicates, standardize date formats, and handle missing values.
在建立模型之前，团队先进行了数据清洗：删除重复记录、统一日期格式，并处理缺失值。

词源 Etymology

data 源自拉丁语 datum（“给出的东西；事实/资料”的单数），后来 data 作为复数形式在英语中广泛表示“数据”。cleaning 来自 clean（清洁）加上 -ing，表示“清理/清洁的过程”。合在一起，data cleaning 比喻性地把“清理脏污”用在“清理数据中的问题”上，是数据分析与数据库领域常见术语，20世纪后期随着信息系统与统计计算普及而更固定化。

相关词 Related Words

• Data
• Dataset
• Data Quality
• Data Preprocessing
• Data Wrangling
• Data Validation
• Deduplication
• Outlier
• Missing Value
• Normalization

文学与著作中的用例 Literary Works

• Python for Data Analysis（Wes McKinney）——在数据处理章节中讨论清洗/整理数据（如缺失值、重复、格式统一等），常用到“data cleaning”这一表达。
• Data Mining: Practical Machine Learning Tools and Techniques（Ian H. Witten, Eibe Frank 等）——在数据挖掘流程里强调前期数据清洗与预处理的重要性。
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在建模讨论中提到现实数据常需清洗/预处理，相关表述常与“data cleaning”同域出现。