Data Cleansing

Definition / 定义

data cleansing（也常说 data cleaning）指对数据进行“清洗/净化”的过程：识别并纠正或删除错误、重复、缺失、格式不一致、异常等问题，使数据更准确、更一致、更适合分析、建模或入库。（在某些语境下也称 data scrubbing。）

Pronunciation / 发音

/ˈdeɪtə ˈklenzɪŋ/ （也常见 /ˈdætə ˈklenzɪŋ/）

Examples / 例句

Data cleansing takes time, but it improves accuracy.
数据清洗很耗时，但能提高准确性。

Before we trained the model, we performed data cleansing to standardize date formats, remove duplicates, and handle missing values.
在训练模型之前，我们先进行数据清洗：统一日期格式、去除重复记录，并处理缺失值。

Etymology / 词源

cleansing 来自动词 cleanse（“清洁、净化”），与 clean 同源，核心含义是“去除污物/杂质”。在信息技术语境中，“污物”被类比为数据里的错误与噪声，因此形成了 data cleansing 这一说法，用来强调把数据“变干净、可用”。

Related Words / 相关词

• Data Cleaning
• Data Wrangling
• Data Preprocessing
• Deduplication
• Normalization
• Standardization
• Imputation
• Outlier
• Data Quality
• ETL

Literary Works / 文学作品

• Python for Data Analysis（Wes McKinney）——多处讨论数据清洗/整理任务（常用 data cleaning，但语义与 data cleansing 对应）。
• Data Science for Business（Foster Provost & Tom Fawcett）——在数据准备与建模流程中强调清洗对分析质量的重要性。
• The Data Warehouse Toolkit（Ralph Kimball 等）——数据仓库与 ETL 章节中涉及数据质量与清洗/净化（行业中常用 cleansing 描述入库前处理）。