缺失值處理

數倉需要接收來自不同源的大量資料，資料之間可能存在格式、口徑、數值上的差異。

因此不可避免會出現缺失資料，本文介紹如何對缺失值進行處理。

範例資料：

internet_v.xls

如果資料缺失問題可以透過簡單的刪除小部分樣本來達到目標，那麼這個方法是最有效的。

例如 internet_v 資料表中，統計日期欄位有空值，這些缺失值為無效資料，則可以直接刪除。

在資料轉換中建立「DB表輸入」，取出internet_v 資料表，如下圖所示：

使用「資料過濾」篩選去掉統計日期為空的欄位，如下圖所示：

過濾相當於 SQL 語句：統計日期 is not null 

有時由於缺失值太多，不便於刪除，需要填充指定資料。

比如下表中的總停留時間欄位，有很多部分資料為空，此時希望將 Null 值資料填充為 0 。

則可以使用「新增計算欄」，新增一欄資料，輸入公式IF(ISNULL(總停留時間),0.0,總停留時間)，表示如果停留時間為空的話就用 0.0 填充，否則則匯出總停留時間，如下圖所示：

注：這裏IF 函式後兩個參數必須是同一個類型的資料，比如如果資料庫中總停留時間為 double 類型，則填充的資料 0 也需要寫成 0.0 格式。

點選資料預覽即可看到為空的資料被填充為 0，如下圖所示：