在上一篇文章中我們簡單給大家介紹了資料分析工作中的資料獲取以及資料提取，這兩個步驟是十分重要的。要知道，資料分析就是分析資料，我們只有獲取了資料才能夠做好資料分析工作。但是我們提取了資料還是需要進一步整理的，下面我們就給大家講解一下資料分析中後續步驟。

當我們獲取了資料之後，我們需要做資料預處理工作。很多時候我們拿到的資料是不乾淨的，資料的重複、缺失、異常值等等，這時候就需要進行資料的清洗，把這些影響分析的資料處理好，才能獲得更加精確地分析結果。那麼我們需要用相應的方法去處理，比如殘缺資料，我們是直接去掉這條資料，還是用臨近的值去補全，這些都是需要考慮的問題。而對於資料預處理需要我們掌握的知識點有很多，比如資料訪問、對缺失資料行進行刪除或填充、重複值的判斷與刪除、清除不必要的空格和極端、異常資料、描述性統計、Apply、直方圖等、符合各種邏輯關係的合併操作、資料劃分、分別執行函式、資料重組等知識。

除了學習上面提到的知識以外，我們還需要學習概率論及統計學知識。我們學會了概率論與統計學知識以後，我們就知道了資料整體分佈是怎樣的？什麼是總體和樣本？中位數、眾數、均值、方差等基本的統計量如何應用？如何在不同的場景中做假設檢驗？資料分析方法大多源於統計學的概念，所以統計學的知識也是必不可少的。需要掌握的知識點有很多，比如基本統計量：均值、中位數、眾數、百分位數、極值等、其他描述性統計量：偏度、方差、標準差、顯著性等、其他統計知識：總體和樣本、引數和統計量、ErrorBar、概率分佈與假設檢驗：各種分佈、假設檢驗流程、其他概率論知識：條件概率、貝葉斯等。有了統計學的基本知識，你就可以用這些統計量做基本的分析了。通過視覺化的方式來描述資料的指標，其實可以得出很多結論。

    以上的內容就是小編為大家介紹的資料分析內容中的資料預處理以及統計學方面需要學習的知識點了，大家在進行學習資料分析的時候還是需要注重上面提到的知識點，這樣才能夠做好資料分析工作，我們會在下一篇文章中給大家說一下資料分析中的其他知識。最後感謝大家的閱讀。