---
title: Обработка данных
seo:
  title: Обработка данных — Data Analyst
  description: Тема «Обработка данных» для собеседования Data Analyst. Как вы обрабатываете пропуски? Какие методы подстановки вы рекомендуете? Является ли подстановка средних значений вместо пропусков допустимым? Почему?
---

[Все темы Data Analyst](/data-analyst)

## <strong>Как вы обрабатываете пропуски? Какие методы подстановки вы рекомендуете?</strong> [#q-14bee738d69b81b39060f5023f412eab]

Существует несколько способов обработки пропущенных данных&#58;

- удаление строк с пропущенными данными;

- подстановка среднего значения, медианы или моды;

- присваивание уникального значения;

- предсказание пропущенных значений;

- использование алгоритма, допускающего пропуски – например, случайный лес.

Удаление строк с пропусками может уменьшить выборку и внести смещение, если пропуски связаны с анализируемыми величинами. Метод выбирают по механизму пропусков и цели анализа. Универсально лучшего решения нет; сравнивайте варианты на валидации и оценивайте чувствительность выводов.

:::note[Ссылки для изучения]

1. [Гайд по математической статистике](https://blog.skillfactory.ru/glossary/matematicheskaya-statistika/)
   :::

---

## <strong>Является ли подстановка средних значений вместо пропусков допустимым? Почему?</strong> [#q-14bee738d69b81ab993bf3ea5d4b185d]

<em>Подстановка средних значений</em> – это метод замены пропусков в наборе
данных средними значениями соответствующих признаков.

Как правило, подстановка средних значений – плохой метод, поскольку он не принимает во внимание корреляцию между признаками.

Например, у нас есть таблица с данными о возрасте и уровне физической формы, и для 80-летнего человека уровень физической формы пропущен. Если мы возьмем средний уровень физической формы для всех возрастов от 15 до 80 лет, очевидно, что наш 80-летний получит более высокий уровень, чем имеет на самом деле.

Кроме того, подстановка средних значений уменьшает дисперсию данных и повышает уровень ошибок. Это приводит к менее точной модели и более узким доверительным интервалам.

:::note[Ссылки для изучения]

1. [Гайд по математической статистике](https://blog.skillfactory.ru/glossary/matematicheskaya-statistika/)
   :::