学习在 Java 应用中评估数据质量的核心技术。了解如何使用描述性统计识别离群值，恰当检测并处理缺失值，以及验证数据类型以避免错误。熟练掌握用于数值分析的 DescriptiveStatistics、用于空值处理的 Optional，以及用于日期校验的 DateTimeFormatter 等关键工具。

数据统计

计算平均值、最小值和最大值

计算百分位数

空值检测

检测缺失数值

检测缺失的字符串

数据类型校验

将文本解析为日期和数字

安全读取 CSV 文件

评估数据质量

掌握面向可靠 Java 应用的数据变换技术。学习使用正则表达式规范化字符串以实现一致的文本匹配，使用 EnumMap 和 HashMap 标准化类别以构建稳健的查找表，并利用 Java 的时间 API（包括 LocalDate 与 ZoneId）处理日期格式，实现跨时区的一致日期处理。

字符串规范化

正则表达式

清洗字符串

类别标准化

构建类别映射

按标准化类别分组

日期标准化

标准化日期

时区转换

从日期中提取月份和年份

数据变换

通过验证技术确保数据质量。学习为数值和日期实现范围验证，掌握使用正则表达式进行模式验证以核对数据格式，并应用约束验证来执行业务规则。

范围验证

验证数值范围

验证日期范围

模式校验

完整模式匹配

模式查找

字符匹配

约束实施

用注解验证电子游戏销量

显示校验信息

数据验证

使用强大的 Java 库 Tablesaw，将杂乱的表格数据转换为干净、可用的数据集。您将评估数据质量，标准化列内容，并应用筛选操作为分析做准备。到课程结束时，您将能够自信地将原始数据集转换为可供分析的表格。

使用 Tablesaw 评估数据质量

分析缺失值与唯一值

数值列分析

列清洗与标准化

数值数据转换

文本数据转换

列筛选与聚合

列筛选

汇总列

恭喜您！

表格数据清洗

grocery_inventory.csv

coffee_sales.csv

数据清洗对解决业务问题至关重要。数据质量一旦降低，分析就不可靠，机器学习模型会做出糟糕预测，业务决策也会偏离正轨。

本课程将为您提供在 Java 中正面应对数据质量问题的工具。您将学习用统计方法识别离群值与处理缺失值，掌握从文本规范化到跨时区日期管理等数据变换，并使用正则表达式与校验注解实现范围检查。

借助 Tablesaw，您将清洗真实的表格数据，并完成为分析做准备的各类变换。课程结束后，您将能够在应用的每个环节确保数据质量。

Data Types and Exceptions in Java

使用统计方法、转换和验证在Java中进行主数据清理，以确保应用程序可靠。

Java 数据清洗

用统计方法、转换和验证掌握 Java 数据清洗，打造可靠应用。

使用 Tablesaw 评估数据质量

Create Your Free Account