到目前为止学习了数据分析方法论。 也就是说，应该决定研究的目的，制定研究的框架，然后对数据进行处理。
根据以前的定义：
数据处理通过对收集到的数据进行加工整理，使其成为适合数据分析的格式，是数据分析前必不可少的阶段。 数据处理的基本目的是从大量杂乱的数据中提取和推导出对解决问题有价值的有意义的数据。
第一步是数据清洗。 rydyl，数据清洗是指过滤和消除多余的重复数据，完善缺失的数据，纠正或删除错误的数据。
第二步，数据加工。 对数据字段进行信息提取、计算、分组、转换等加工，使之成为我们想要的数据。
其他具体方法：
缺失数据处理的四种方法：
1 .使用单个样本统计值代替缺失值。 常用的做法是使用该变量的样本平均值而不是缺失值。
2 .用统计模型计算的值替换缺少的值。 常用的模型有回归模型、判别模型等。
3 .删除具有缺少值的记录，但可能会导致样品量减少。
4 .保留有缺失值的记录，在相应分析中只进行必要的排除。
在实际操作中，可以采用样本平均值代替缺失值，如果样本量较大，则可以使用定位查找一次，选择样本中的所有空值，然后使用“ctrl Enter”在所有选择单元中一次输入样本平均值
其他数据处理方法：
数据加工：
1 .数据提取是指保留原始数据表中某些字段的部分信息并将其合并到新字段中。 字段列可以是字段的组合、字段的匹配等。
2 .数据计算。 简单的计算是指通过加减乘除等简单的算术运算来计算字段。 还有平均值和总和、日期加减等函数计算。
数据分组
数据转换
数据抽样