文献类型： 中文期刊

作者： 张辉 ¹ ; 魏东 ¹ ; 乔璐 ¹ ; 李丹丹 ¹ ; 张玉尧 ¹ ; 郑国清 ¹ ; 冯晓 ¹ ;

作者机构： 1.河南省农业科学院农业经济与信息研究所

关键词： 工作流;统计年鉴;数据清洗;Alteryx;质量控制

期刊名称： 河南农业科学

ISSN： 1004-3268

年卷期： 2021 年 010 期

页码： 172-180

收录情况： 北大核心 ; CSCD

摘要： 为实现统计年鉴数据集成整合和综合快速查询,以2000—2018年《中国统计年鉴》及《河南统计年鉴》等全国31个省（市、区）统计年鉴为例,深入分析其数据特征后,采用Alteryx Designer 2019.2学习版,基于工作流技术,经过提取目录及文件、提取文件中的表单、提取表单中表的内容、数据清洗及规范、规范标识数据的6个维度、数据重组和数据输出共7个步骤构建了统计年鉴数据清洗模型。结果表明,在16 GB内存的笔记本电脑上,模型用时4～5 h即可将数据容量达21 GB、包含33万个文件、120万张表单的统计年鉴数据清洗并整合为1套包含6 000多万条指标数据序列的标准规范数据集。构建的数据清洗建模方法具有高效、可溯源的优势。