Java数据分析指南

第2章　数据预处理

在分析数据之前，通常需要对其形式进行标准化处理。本章描述这些处理的过程。

2.1　数据类型

数据可以划分为不同的类型。数据类型不仅标识数据的形式，也标识可以对数据执行哪种操作。例如，算数运算可以对数值型数据执行，但不能对文本数据执行。

数据类型也决定了数据需要的计算机存储空间大小。例如，像3.14这样的十进制数值通常存储在一个32位（4字节）内存中，而像https://google.com这样的网址则占用160位内存。

下面是本书将要处理的数据主要类型，对应的Java类型显示在括号中：

• 数值类型
  • 整数（int）
  • 小数（double）
• 文本类型
  • 字符串（String）
• 对象类型
  • 日期（java.util.Date）
  • 文件（java.io.File）
  • 一般对象（Object）

2.2　变量

计算机科学将变量视为数据值的存储位置。Java通过对变量声明特定的类型来引入变量。例如，考虑下列语句：

String lastName;

该语句声明变量lastName具有类型String。

另外，声明变量时还可以使用具体值进行初始化，就像这样：

double temperature = 98.6;

该语句可以这样理解，命名为temperature的存储空间中包含double类型值98.6。

结构化变量还可以在一个语句中同时进行声明和初始化：

int[] a= {88, 11, 44, 77, 22};

这个语句声明int数组类型的变量int[]包含5个指定元素。

2.3　数据点和数据集

数据分析很容易将数据视为信息点。例如在一组个人信息中，每个数据点包含某个人的信息。考虑下列数据点：

("Adams", "John","M", 26, 704601929) ...