概念与方法

缺失值与零值:为什么空白不能随手填成0

零值表示指标已经被测量或确认,结果恰好为零;缺失则表示当前没有获得可用结果。比赛未开始时没有最终比分,不等于已经确认全场0比0。两者若在数据库中混用,均值、胜率和完场判断都可能受到影响。数据字段应允许表达未知,并由状态或说明补充原因。界面可以显示横线或未开始,但不能为了让表格整齐就把未知事实写成数字零。

首次发布 2026-11-16 · 更新 2026-11-16

零是一条有含义的观察

关于「缺失值与零值」,下文从「零是一条有含义的观察」与「用平均数看出误填零的后果」展开说明,并结合后续章节梳理相关概念。

零值表示指标已经被测量或确认,结果恰好为零;缺失则表示当前没有获得可用结果。比赛未开始时没有最终比分,不等于已经确认全场0比0。两者若在数据库中混用,均值、胜率和完场判断都可能受到影响。数据字段应允许表达未知,并由状态或说明补充原因。界面可以显示横线或未开始,但不能为了让表格整齐就把未知事实写成数字零。

用平均数看出误填零的后果

五次预期测量中,已知四次为10、10、10、10,另一次未知。若只描述已观察的四次,平均为10,同时应报告缺失一次;把未知补为0再平均则变为8。哪一个更符合研究目的,需要看缺失机制与分析规则,不能由软件默认值决定。更不能在缺失集中于高负载时段时,简单忽略后仍声称结果代表所有请求。透明报告缺失规模是第一步。

区分没有记录与不适用

某项指标可能因为接口失败而缺失,也可能根本不适用于当前对象。例如未采用角球概念的运动项目不应被统一写成角球0。将缺失、不适用、尚未发生与已确认零分开,能让后续清洗少走弯路。字段设计中可以保留数值列和原因状态列,不必用一串特殊数字承担所有含义。跨来源合并时,也要了解每个平台空字符串和null分别表示什么。

补值需要理由和标记

在某些分析中会用模型、相邻时点或其他规则估计缺失,但估计值不是重新发现的事实。必须保存补值标记、方法和原始缺失状态,避免前端把它当成权威实测。连续缺失和孤立缺失可能需要不同处理,不能盲目复制上一条。实时赛事展示尤其不宜为填齐字段推算比分;可以优先查询可靠补充来源,仍查不到则明确显示未知。

把完整率与分析结果一起展示

除了计算主指标,还可以报告有效记录数、缺失记录数和时间范围。比较两个来源时,字段齐全不必然意味着更准确,来源可能用了默认值掩盖缺失。检查缺失是否集中在某类比赛、某个时段或某种设备,有助于识别系统性偏差。任何整理流程都应能够从清洗后记录追溯到原始来源,让他人知道一个零是经过确认的结果,还是程序曾经替你做出的假设。

参考资料

返回分类

相关阅读