对文件people_survey.txt中的缺失值进行填充

1.打开kettle工具，创建转换

2.配置“文本文件输入”控件

单击“浏览”按钮，选择要填充缺失值的文件people_survey.txt。

单击“增加”按钮，将要填充的文件添加到“文本文件输入”控件中。

 单击“内容”选项卡，切换到“内容”选项卡界面

清楚分割符处的默认分割符“；”，单击Insert TAB 按钮，插入一个制表符，取消勾选“头部”复选框。

单击“字段”选项卡，切换“字段”选项卡界面。

根据文件people_survey.txt的内容添加对应的字段名称，并指定数据类型，在“去除空字符串方式”列时，所添加字段都应该选择“不去掉空格”（因为制表符是由多个空格组成）。

单击“预览记录”按钮，查看文件people_survey.txt的数据是否抽取到文本文件输入流

中，然后单击“关闭”->"确定“按钮，完成配置。 

3.配置“过滤记录”控件

双击“过滤记录”控件，进入“过滤记录”界面，

在“条件”处设置过滤条件，由预览可得：字段useruid为000016用户的hours_per_week(即每周工作时间字段）存在缺失值，而他的workclass字段值为Private，因此将过滤字段设置为workclass，过滤值设置为Private作为过滤条件，

在“发送true数据给步骤”中选择“空操作（什么也不做）”，在“发送false数据给步”中选择“空操作（什么也不做）2”

 单击“确定”按钮，完成配置。

4.配置“替换NULL值”控件

双击“替换NULL值”控件，进入“替换NULL值”界面

勾选“选择字段”复选框，并在“字段”框添加字段hours_per_week,值替换为44（44是字段为hours_per_week中所有值相加求的均值）

 5.配置“合并记录”控件

双击“合并记录”控件，进入“合并行”界面

在“旧数据源：”中选择“替换NULL值”，在“新数据源:”中选择“空操作（什么也不做）2，“在匹配关键字：”部分添加关键字段，即useried.

单击“确定”按钮，完成“合并记录”控件的配置。

6.配置“替换NULL值2”控件

双击“替换NULL值2”控件，进入界面，

勾选“选择字段”复选框，并在“字段”框添加字段workclass，值替换为Private。

 

7.配置“字段选择”控件

双击“字段选择”控件，进入“选择/改名值”界面

在“移除”选项卡界面添加要移除的字段名称，这里移除的是字段“flagfield

8.运行转换fill_missing_value

 

单击“字段选择”控件，再单击执行结果窗口Preview data选项卡，查看是否填充了文件people_survey.txt中的缺失值。 

以上内容均来自于黑马程序员编著的数据清洗。