数据评估

1、未清理的数据

（1）脏数据（质量）：

• 不准确数据
• 损坏的数据
• 重复数据

（2）杂乱数据（整洁度）：

• 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

2、目测评估

可在清洗数据前先备注评估问题，例如：

Quality

‘patients’ table

• zip code is a float not a string
• zip code has four digits sometimes
• Tim Neudorf height is 27 instead of 72 inch
• full state names sometimes, abbreviations other times

‘treatments’ table

• missing HbA1c_change
• The letter u in starting and ending doses for Auralin and Novodra
• lowercase given_name and surname
• missing records (280 instead of 350)