关于数据清理

Question

我是一个非常业余的数据科学学生，我正在做一个项目，在一个基于团队的游戏中，我比较了两个服务器，但是我的两个数据集的格式是不同的。例如，第一列将是第一列，其中一组数据将此信息存储为"blue_team_first_blood“，并存储为”真“或”假“，而另一列则存储为”第一血液“，并存储整数(1用于蓝队，2用于红队，0用于不适用的任何人)

我觉得我可以对这些差异进行编码，但最佳实践是什么呢？我应该采取额外的步骤来确保这两个数据集都被正确地格式化，还是根本没有关系？

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，将数据转换成一致的格式是有意义的。