Essie2022-02-19 15:59:00

你好，data wrangling是数据整理，是在数据的预处理阶段，为了对收集来的、经过清洗以后的数据，进行进一步的处理，使这些数据准备好进行ML模型训练。这一步骤里包含提取，汇总，过滤，选择，转换。其中提取就是从当前变量中创建一个新变量，以便于分析和训练机器学习的模型。也就是说数据整理中有一个方式是可以创建一个新变量，但是到此阶段还没有对数据进行深入研究，只是分析师认为，这样做简单的改变会利于之后的分析。
而在数据整理后的下一个步骤是data exploration数据探索，它是对准备好的数据进行深入的研究，会考虑更深层次数据之间的关系，比如说数据的分布等。其中数据探索又可以分为探索性数据分析、特征选择和特征工程。特征工程是在经过更深入的研究，了解了数据集的内在结构以后，分析师可以继续通过改变或转换现有特征来创建新的、更有意义的特征。
所以本质在于它们在整个处理中，处于不同的阶段。数据整理中的提取还没有对数据进行深入研究，特征工程阶段需要已经了解了数据的内在结构。操作都是创建了新的变量，只是难度大大不同。