缺失值节点

作者 ：张青松

目录

1.               DataStudio 中的缺失值

2.               使用缺失值节点处理缺失值

2.1.               节点设置界面

2.2.               处理方式

1.     DataStudio 中的缺失值

缺失值是指在输入数据二维表中，某些单元格的数据不存在。在读取这样的数据时， DataStudio 使用一个缺失值（ MissingCell ）占位符表示该单元格中的数据。

如下表格所示的数据，下表包含了常见的几种类型并且都有缺失值：

表 1 缺失值数据表

在表格中的每一列依次 为 整形 （ Integer ）、双精度（ Double ）、字符串（ String ）、和其他类型（ Unknown ）类型。并且存在各种类型的缺失值。

然后，使用“文件读取”节点读取该数据得到的数据如下表

其中“文件读取”节点暂时自动将 String 类型的缺失值处理成空字符串（“”）。其他标示为“ <null> ”的单元格即为缺失值。

2.     使用缺失值节点处理缺失值

2.1.     节点设置界面

考虑到数据表中存在的缺失值会影响对数据的计算分析过程 。 在必要的情况下 ， 可以使用 “缺失值”节点 对缺失值进行处理 。

缺失值处理分为两种方式：

1. 按照字段类型处理。
2. 指定具体字段处理。

注意：当同一个字段同时符合按字段处理，并且又指定了具体字段时，以指定字段处理方式为准。

“缺失值”节点设置面板如下所示：

图 2 设置面板“默认”页签

图 3 设置面板“自定义”页签

如上图 2 和图 3 所示，分别展示了按字段类型处理和指定字段处理。

2.2.     处理方式

对于缺失值提供了如下几种处理方式：

1 ．    不处理：指定的缺失值不做任何处理。

2 ．    移出该行：将指定缺失值的行从数据表中移出。

3 ．    最大值：针对数值类型的缺失值，用所在列的数据中的最大值填充缺失值位置。

4 ．    最小值：同上，用最小值填充。

5 ．    平均值：同上，用平均值填充。

6 ．    词频最高：对于字符串类型这样的可枚举的类型，使用出现频率最高的填充。

7 ．    指定值：用输入的值填充单元格。

并不是各种数据类型都能用上述所有处理方式来处理缺失值，针对不同类型的字段，提供了不同的处理方式。

1 ．    数值类型，包括整形（ Integer ）和双精度（ Double ）类型，提供的处理方式有：不处理、移出该行、最大值、最小值、平均值和指定值。

2 ．    字符串（ String ）类型：提供处理方式为不处理、移出该行、词频最高以及指定值。

3 ．    未知类型：对于其他类型，仅仅提供通用的不处理和移出该行。