---
title: Обработка данных
questionDates:
  q-transfer-0103: '2026-10-01'
seo:
  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?
  title: Обработка данных — Data Analyst
---

[Все темы Data Analyst](/prep/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. [Предобработка данных: пропуски и выбор стратегии](https://habr.com/ru/companies/netologyru/articles/1026754/)
   :::

---

## <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. [Заполнение пропусков: риск смещения данных](https://habr.com/ru/companies/netologyru/articles/1026754/)
   :::

---

## Какие проверки и методы входят в очистку данных? [#q-transfer-0103]

Очистку начинают с профилирования и определения гранулярности. Проверяют типы и единицы, ключи и дубли, диапазоны, категории, пропуски, выбросы и согласованность связанных полей. Технический дубль отличают от повторного бизнес-события. Пропуски и выбросы не удаляют автоматически: выясняют механизм появления и влияние на вывод. Сохраняют raw-данные, фиксируют правила преобразований и сравнивают распределения до и после. Для спорных решений полезен анализ чувствительности к разным правилам очистки.

:::note[Ссылки для изучения]

1. [Как подготовить данные к анализу: очистка, профилирование и проверка результата](https://habr.com/ru/companies/netologyru/articles/1026754/)
   :::