数据统计分析的前提是 “数据可靠”，而原始数据常存在缺失、重复、异常等问题，若直接使用易导致分析结果偏差。掌握科学的数据清洗方法，是确保分析质量的关键第一步。
数据清洗需遵循 “三步筛查法”：第一步，处理缺失值。首先统计各字段缺失比例，若缺失率低于 5%，可根据数据类型选择填充方式 —— 数值型数据用 “均值” 或 “中位数” 填充（如用户年龄缺失，用整体均值 35 岁填补），分类数据用 “众数” 填充（如用户职业缺失，用出现频次最高的 “企业职员” 填补）；若缺失率高于 30%，需评估字段重要性，不重要字段可直接删除，核心字段则需通过补充调研或关联其他数据源补充。某电商平台曾因未处理 “用户消费金额” 缺失值，直接用 0 填充，导致后续客单价分析结果偏低，修正后数据才反映真实消费情况。
第二步，剔除重复数据。重复数据多源于数据采集失误（如表单重复提交、系统同步错误），需通过 “唯一标识” 排查，例如用 “用户 ID + 订单编号” 组合识别重复订单，或用 Excel “删除重复项”、Python“drop_duplicates ()” 函数批量处理。某物流企业数据中存在 12% 的重复运单记录，清理后运输成本核算误差减少 8%。
第三步，识别并处理异常值。通过 “箱线图法” 或 “3σ 原则” 定位异常值：箱线图中超出 “四分位距 1.5 倍范围” 的数据、偏离均值 3 个标准差以上的数据，需进一步验证是否为真实异常（如用户单次消费 10 万元，需确认是否为高价值客户，而非录入错误）。真实异常值需单独标记分析，错误异常值则需修正或删除。某零售企业通过异常值处理，发现 “单日销售额 100 万元” 实为录入多写一个零，修正后销售趋势分析更贴合实际。
数据清洗不是 “简单删除”，而是 “保留真实、修正错误”，只有经过严谨清洗的数据，才能为后续分析提供可靠支撑。
