資料整理與資料管線

插補

插補(imputation)是用估計值填補遺漏值,好讓你還能用上一筆紀錄的其餘部分。簡單的做法是用該欄的平均數或最常見的值來補;更聰明的做法則是用其他欄位去預測缺掉的值。

插補是方便手段,不是魔法:填進去的數字是猜的,把它們當成真的會讓資料看起來比實際更確定。較好的做法是標記哪些值是補出來的;若是嚴謹的工作,則改用能把這份額外不確定性一路帶到最終估計的方法(例如多重插補,multiple imputation)。

把缺掉的身高用該欄平均數 170 公分補上,那是猜的——要記下它是插補來的,別當成實際量到的。