关于数据清理

Question

我是一名非常业余的数据科学专业学生，我正在从事一个项目，在该项目中，我比较了基于团队的游戏中的两台服务器，但我的两个数据集的格式彼此不同。例如，一列是第一滴血，其中一组数据将此信息存储为“blue_team_first_blood”并存储为 True 或 False，而另一列仅将其存储为“第一滴血”并存储整数，（1 代表蓝队， 2 代表红队，0 代表没有人（如果适用）

我觉得我可以围绕这些差异进行编码，但最佳做法是什么？我应该采取额外的步骤来确保两个数据集的格式正确，还是根本不重要？

Answer 1

数据清理通常是任何数据科学项目的第一步。在任何进一步的处理步骤之前将数据转换为一致的格式是有意义的。

Answer 2

您可以考虑将“blue_team_first_blood”列转换为与其他数据集一致的整数格式，例如 1 表示 True，0 表示 False。您还可以考虑将第二个数据集中的“first blood”列重命名为“blue_team_first_blood”以匹配第一个数据集。

总的来说，最佳做法是确保两个数据集的格式一致，并且采用对您的分析有意义的方式。这将使比较两个数据集并得出有意义的见解变得更加容易。