python数据分析---数据评估

评估数据是数据整理的第二步。评估数据就像作侦探一样，检查数据集是否存在两个问题：数据质量问题（即内容问题）和缺乏整洁度（即结构性问题）。
数据质量问题包含：数据缺失，数据重复以及数据错误等问题。又被称为脏数据
不整洁或杂乱的数据存在明显的结构问题。
评估的两个方法：目测评估，代码编程评估

首先，对脏数据和杂乱数据进行明确定义：
为了方便理解，将数据想象成卧室，一间脏兮兮的卧室可能有脏盘子和餐具，还有像糖果纸或香蕉皮这样的垃圾。甚至有从户外带进来的脏东西。这些东西本来不属于你的卧室。
卧室杂乱的部分则不同：杂乱是结构性和组织性的问题。想象一下卧室满地都是衣服。这些衣服应该属于卧室，不属于地上。想象你凌乱不堪的床。
内容有问题的脏数据通常被称为低质量数据。其中可能包括不准确的数据，损坏的数据和重复的数据。
杂乱是结构性和组织性的问题。通常称之为不整洁。
整洁的数据是指：每个变量构成一列，每次观察构成一行，每类观察单元构成一个表格。除此之外其他任何排列都是杂乱的。
hadley wickham是数据整洁格式的创始人，他在有关整洁数据的论文中使用了这一术语。

未清理数据分为两种：

脏数据，也称为低质量数据。低质量数据存在内容问题。
杂乱数据，也称为不整洁数据。不整洁数据存在结构问题。

评估类型和步骤：
数据评估类型和风格可以分为两种，目测评估，编程评估
编程评估：计算（info），绘制数据图（更多的用于探索性数据分析）。
无论用那种评估方式，数据