天才一秒记住【狂风中文网】地址：https://www.kfzw.net
我一边说一边在stata里敲命令，“好的数据需要时间酝酿，就像好的红酒需要时间醒酒——”
“你上次交作业前一天晚上才跑数据，熬到凌晨三点，现在跟我说‘好的数据需要时间酝酿’？”
张凯的声音从耳机里传来，带着一种“我早就看透你了”
的无奈。
“那次是意外，”
我说，“这次不会了。”
我开始跑描述性统计。
stata的界面在屏幕上跳动着，一行一行的数字冒出来。
均值、标准差、最小值、最大值……一切都看起来很正常，正常得让我觉得哪里不太对。
“均值看起来还可以，”
我一边看一边说，“标准差也不算大，没有极端异常值——等等。”
我的手指停在了键盘上。
“怎么了？”
周姐问。
“游客数量的最大值，”
我盯着屏幕上的数字，“十九万八千……这不太对吧？巴勒莫的单月游客数量什么时候上过十九万？”
“数据有问题？”
刘洋的声音拔高了一点。
“我查一下，”
我说，打开原始数据文件，翻到游客数量那一列，“这里，你看，十月，十九万八千。
但是巴勒莫的旅游旺季是夏季，十月应该已经降下来了，怎么可能比八月还高？”
“是不是爬虫爬错了？”
张凯问。
“有可能，”
刘洋说，“我看看源网站……等一下，这个网站的数据标注有问题，它把‘全年累计’和‘月度数据’混在一起了。
这个十九万八应该是全年的累计，不是十月的单月。”
“所以我们的数据里有脏数据，”
我深吸一口气，“得重新清洗。”
“又要重新清洗？”
刘洋的声音里带着一种“我已经不想再看到这个项目”
的疲惫。
“没事没事，”
我说，“把那些明显不对的极端值删掉就行。
我来弄，很快的。”
我打开stata的do-file编辑器，开始写清洗数据的命令。
dropiftourist_number>50000——把单月游客数量超过五万的都删掉，因为巴勒莫的单月游客数量就没超过五万过。
写完，运行。
stata的屏幕上跳出一行字：150observatioed。
一百五十条数据被删掉了。
“好了，”
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！