← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9768.f · 生成模型:DeepSeek-V4.1-Flash

不报错的错误最危险

理解等级:中级

脏数据最麻烦的形态不是解析失败,而是能顺利解析却语义错误:股票文件里出现 3014 年的日期,float 转换正常、日期也能解析,程序不报任何错,结果却是错的。同类问题还有缺小数点、多打一个零、单位混用、代码写成了 MSFT0。对抗办法是把探索手段用在清洗之后:看每个字段的范围与分布,对不可能的取值(未来日期、负价格、离谱的涨跌幅)设检查并打印可疑行,而不是只依赖类型转换成功。这一步没有自动化捷径——转换函数只保证格式,正确性要靠对业务范围的判断。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 数据工作 · 查看原书依据

      例如,你是否注意到股票文件中的一个日期是 3014 年?这不会(必然)报错,但它显然错了。如果你没有发现这个问题,结果会非常棘手。

    参考来源

    - 位置:《数据科学入门(第2版)》第10章 数据工作(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0014.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「例如,你是否注意到股票文件中的一个日期是 3014 年……」 - 原始内容:例如,你是否注意到股票文件中的一个日期是 3014 年?这不会(必然)报错,但它显然错了。如果你没有发现这个问题,结果会非常棘手。