只做第一步也可以
读取 dirty_finance.csv 并生成质量概览
保留真实输出或卡点,带到课堂;不要求一次完成全部。W14 · QUALITY & ORCHESTRATION
清洗不是把表面变整齐,而是用可重跑规则处理缺失、重复、类型、异常与隐私,并证明没有悄悄改坏数据。
先完成最小动作。哪怕没有成功复现,也请保留报错、截图和尝试过程;课堂可以展示卡点、旁听提问,并继续获得积分。
读取 dirty_finance.csv 并生成质量概览
保留真实输出或卡点,带到课堂;不要求一次完成全部。对一批脏数据用 Polars + SQL 清洗,并写下校验规则
成功复现可获得「复现 +1」,并具备展示资格。把质量规则做成可失败测试
有拓展 +1,多拓展 +2;不影响零基础起步。import hashlib
import polars as pl
raw = pl.read_csv("data/dirty_finance.csv")
clean = (
raw.with_columns(
pl.col("date").str.to_date(strict=False),
pl.col("amount").str.replace_all(",", "").cast(pl.Float64, strict=False),
pl.col("phone").str.replace(r"(\d{3})\d+(\d{2})", r"$1****$2"),
)
.unique(subset=["record_id"], keep="last")
.filter(pl.col("date").is_not_null() & pl.col("amount").is_not_null())
.sort("record_id")
)
clean.write_parquet("output/clean.parquet")
print(clean.shape, hashlib.sha256(open("output/clean.parquet", "rb").read()).hexdigest())我是金融科技本科生,计算机零基础。我正在学习《金融数据库(双语)》W14,本周目标是:实验 12 · 数据清洗实战。 请把我当作第一次接触这些工具的人,并遵守: 1. 一次只给一个步骤,不要一次倾倒完整答案。 2. 每一步先解释目的,再给可复制的命令、SQL 或代码。 3. 告诉我正常情况下应该看到什么,以及最常见的一个错误。 4. 如果不知道我的系统、目录、软件版本或数据位置,先问我。 5. 等我贴回真实输出或完整报错后,再判断下一步。 6. 不要让我上传账号密码、API Key 或真实个人信息。 现在只带我完成第一步:读取 dirty_finance.csv 并生成质量概览
这些问题不是课前考试。遇到不懂就问 AI;最后只需能结合自己的操作,说清其中一部分。
什么样的清洗脚本能安全重跑?
异常值应该删除、修正还是标记?
哪些字段组合起来会识别个人?
如何证明清洗没有丢失重要记录?
只需在实验报告中诚实标注:哪些步骤来自 AI 建议,哪些已经本人验证,哪些仍未验证。学习过程写好,报告就自然产生。
上课提前 5 分钟点名,下课前 5 分钟再次点名。
用本人笔记本打开实验报告,展示真实操作、结果或卡点。
作者现场运行;同学也可仅凭该文档复现,作者与复现者都加分。
教师判断掌握程度;旁听同学可提出被采纳的好问题。
上课提前 5 分钟点名,下课前 5 分钟再点名
使用 AI 自学,按照教学大纲完成了每周实验任务
按照教学大纲完成一项或多项拓展任务
主动共享屏幕展示复现过程,接受核验与拷问
每节课堂最先自愿开讲的前 3 人
认真旁听并提出被采纳的好问题
面对面随机拷问 · 反空心化闸门
仅凭文档课堂现场复现
本周最佳文档
没有完成全部实验,也可以凭考勤、展示卡点、认真提问和真实回答获得积分;做得越扎实,展示、拓展、拷问、双分和精选带来的激励越多。飞书应用展示过去 30 天积分榜与总积分榜。