SQL常用数据清洗语句

数据清洗：发现并纠正数据文件里的数据错误和不一致性，让数据达到分析要求的过程。

运用 SQL 进行数据清洗时，可借助多种语句和函数来处理数据中的缺失值、重复值、异常值以及格式错误等问题。

1. 处理缺失值

数据中某些变量的值为空的情况，可采用删除包含缺失值的记录、用合适的值（如平均值、中位数等）来填充的方法。

删除包含缺失值的记录

DELETE FROM table_name
WHERE column_name IS NULL;

用特定值填充缺失值

UPDATE table_name
SET column_name = 'default_value'
WHERE column_name IS NULL;

用平均值填充缺失值

UPDATE table_name
SET column_name = (SELECT AVG(column_name) FROM table_name)
WHERE column_name IS NULL;

2. 处理重复值

数据中存在的完全相同或者部分字段相同的记录，可以使用 DISTINCT 关键字来去除重复值。

使用 DISTINCT 关键字查询无重复的数据

SELECT DISTINCT column1, column2
FROM table_name;

3. 处理异常值

数据中偏离正常范围的值，可以通过定义合理的范围来筛选出异常值，然后进行删除或者修正。

-- 删除价格小于 0 或者大于 1000 的异常记录
DELETE FROM products
WHERE price < 0 OR price > 1000;

4. 处理格式错误

数据格式不符合预期，例如日期格式错误、字符串长度不符合要求等。可以使用字符串函数和日期函数来修正格式错误。

转换日期格式

-- 将日期从 'YYYY-MM-DD' 格式转换为 'DD/MM/YYYY' 格式
SELECT DATE_FORMAT(date_column, '%d/%m/%Y')
FROM table_name;

去除字符串前后的空格

SELECT TRIM(column_name)
FROM table_name;

处理大小写不一致

-- 将所有姓名转换为大写
SELECT UPPER(name)
FROM customers;