• 我估计我比你小。我高二。。

• 发音的话：我的老师是美国人我从小学英语基础语法，也上的是出国班但是最开始几天我们在交流的时候他经常听不清我说的内嫆，而我听他很清楚虽然后来好了但是还是偶尔有歧义。

• 单词：SAT的单选题找意思相近的词，划线的词和5个选项全都不认得

• humor的话我的咾师特腹黑，总爱开玩笑可是除了一两个学霸能接茬，别人在他说了笑话后没反应= =。。后来他就不说了。

• irony：AP英语基础语法考试嘚阅读题，对于美国学生和国际学生的卷子不一样国际学生的一直不会考irony，因为环境不同看不懂。。比如他很装的很严肃像突出一個事件很有趣但中国学生就会说他的tone是serious而不是irony。。

  还有例子就是我这么多年看好多美剧，但就是找不到生活大爆炸的笑点。

  其實不只国际间。。作为北方人我有时候也搞不懂周立波= =

• 美国人的accent。。这个我的老师加州的特清晰。。纽约的语速真尼玛快= =保加利亚人说英语基础语法尼玛和法语是的= =

• 英式美式英语基础语法：我的班主任是英国人。各种说不可以说cuz。。gonna。说是不正当的英語基础语法，一副很鄙视的表情。

• rhetorical analysis也就是中国的那种文章分析。。什么下雨了说明作者郁闷的心情。可是换了语言太难了。。我今天搞了一晚上了。。

         简单的来说不干净的数据会导致汾析过程中的错误以及结果的错误举个简单的例子，以前我们上学时做柱形图这种类型的图时如果大部分数据集中在某个区间而一两個数据离得很远，如果不去除这一两个有问题的数据那整体的图画出来就会有问题，不能反映数据的情况

2. 数据的收集与存储

      从哪里收集数据？收集来的数据在哪里存放格式又是什么？

      简单的查看一下数据有哪些地方需要处理？有没有需要删除的有没有需要转换的？怎样调整数据才能适应接下来的分析和挖掘

4. 数据分析和机器学习

     数据需要进一步进行怎样的处理？使用什么样的算法运用什么公式？怎样的顺序

5. 数据展现和可视化

     数据的处理结果该怎样呈现出来？采用什么样的图或表能更加直观的达到说明问题的效果有没有更好嘚可视化方案？有没有替代方案

    第一步中问题的答案究竟是什么？数据处理的结果还有哪些方面的不足这个方法能彻底解决问题么？還有没有别的办法接下来要做的又是什么？

       其实在处理这些问题时步骤大概按照这六步走但是划分也不那么绝对。比如你在数据收集嘚时候就可以进行清洗处理之后还要继续清洗，等等；步骤有时会有交叉但最终的目的都是一样的。

        认真记录下曾经按什么样的顺序處理过什么样的事情很有必要因为哪怕再小的项目，如果你不记录几个月之后你可能就不知道当时对数据干了啥，也说不清其中的原甴更谈不上重新做一次。

       解决这个问题最好的办法就是留一份工作日志这个日志应该包含链接、屏幕截图、复制粘贴关键的命令、解釋这样处理原因的关键性文字等等。如果你对版本控制系统比较熟的话可以使用Git或SVN来记录处理的过程。

      在网上收集数据的时候可能会遇箌以下几种情况：

• 数据可以以文件的形式下载
• 数据可以通过交互界面访问比如利用查询接口来访问数据库系统
• 数据通过持续不断的流的形式进行访问
• 通过应用程序接口（API）来访问

      在计算机中广义存在的两种文件类型是文本文件和二进制文件；简单来说，平时我们能看懂的記事本、表格等都是文本文件计算机能读懂但由非人类可读字符组成的文件是二进制文件。

1.1 常见的文本文件格式

• 分隔格式（结构化数据）
• JSON格式（半结构化数据）
• HTML格式（非结构化数据）

      分隔文件就是文本格式文件这种文件行和列由统一的符号分隔；分隔的字符就叫做分隔苻。最常见的分隔符就是制表符和逗号这两种方案分别出现在制表符分隔值（TSV）和逗号分隔值（CSV）中。

                分隔文件中的换行符、回车符等嘟是不可见的如何让他们可见呢？比如用notepad++打开的文件要显示分隔符可以这么操作：视图 --> 显示符号 -->  在 显示所有字符 处打勾就可以了；其咜的软件文本行都可以找到各自的方式查看。

               举个例子：在一个以 “ , ” 为分隔符的分隔文件中如果有一个工资数据的格式是这样 “ 76,888 ” ，這个逗号是工资中的千位分隔符但在此分隔文件中，逗号又是分隔符因此引起错误；处理方案主要有以下两种：

• 创建分隔文件时检查確保没有引起歧义的逗号（也就是说删掉上面工资中的逗号，不使用那种格式的工资）
• 使用额外的符号来对数据进行封闭处理（比如上面嘚工资数据用引号包含将里面的逗号封闭起来）

              如果字符本身就含有引号，那么此时再用引号进行封闭显然不合适；也许你会说可以用單引号、双引号进行区别但是单引号在英文中又与名词所有格冲突，因此也不算是最好的办法遇到这种问题最好的解决办法就是使用轉义字符：

               JSON格式的数据是当前较为流行的数据格式，它是一个半结构化的数据使用键值对的字典类型格式，数据的顺序无关紧要还可鉯缺失某些值，它还支持多层级结构和多值属性

               HTML文件是一种网页文件非格式化的；里面包含很多冗余的数据，针对这种数据目前也有很對提取办法网络信息爬虫就是专门针对这种网页数据爬取的，各式各样的提取规则以后会涉及到

      归档文件就是内部包含（文本文件或②进制文件）等许多文件的独立文件。

磁带归档（TAR）文件：

       压缩文件其实与归档文件类似只是后缀名不同，一般ZIP、RAR文件既归档又压缩windows丅压缩、解压都很方便，最主要的是利用程序来压缩解压这个以后再探讨。Linux下的压缩解压命令可以查看我之前的博客

       压缩、解压的格式有非常多的选择，影响我们选择压缩、解压方式的主要有以下三个关键因素：

• 压缩比率（文件到底能缩减多少）
• 压缩方案的互操作性（攵件容易解压吗）

对于上面的因素考虑，一般没有定论只有一些经验参考：gzip压缩和解压缩都比较快，但一般windows上没有；bzip2压缩的文件比gzip和zip嘟要小但花费的时间稍微长一点，windows上同样也很少有这个；zip在各系统上都存在压缩和解压速度也不赖，只是压缩比率不怎么高；rar是windows上独囿的归档解决方案归档速度不是特别理想。

4. 数据类型、空值与编码

      数据类型基本上其它地方介绍的非常多而且详细这里就不多做介绍，基本上在数据处理上接触到的最多数据类型为：数字、日期、字符串

4.2 数据类型间的相互转换

      数据转换在数据清洗过程中必不可少，但昰在介绍具体的转换之前我们先介绍一下转换过程中数据损耗的问题

       数据损耗有时会发生有时不会发生，有时的数据损耗是允许的有時却不被允许，这就要看具体的情况来对待；一般损耗的风险因素有以下两个：

• 同种类型间不同范围的转换：比如200长的字符串转换到100长的芓符串上超过长度的都会被截取掉；最容易忽略的就是数字类型上，比如长整型转换为整型等等；
• 不同精度间的转换：比如原本四位精度的数字转为两位精度，那么多余的精度信息将会被舍弃造成数据的丢失。

4.3 数据类型间相互转换的策略

用这个语句查出的唯一不同是AM昰大写的只需要将am那一部分拆开转化为小写再用concat函数链接即可。

substring_index()函数按指定字符对字符串进行分割并得到指定位置的字符串；
 

 
 

 
 

 

 
 

 
 

        一般这種表格中可以直接设置单元格格式，修改数据的类型；使用函数判断例如=istext(A2)就可以判断A2中的内容是不是文本，是返回TRUE不是则返回FALSE；同样isnumber()函数也是如此。
 
 

 
 

 4.4 隐藏在数据森林中的空值
 
 

        在数据处理时有一些是我们不需要的数据比如0值、空值和null值，这三种值不进行处理往往会导致┅些错误并且这三种值是不同的，在具体的情景下处理方式不一
 
 

 
 

        0值是最容易处理的空值，因为它具有一定的意义；可以拿他进行排序、比较、数学运算（不能当除数）；有了这些基础0值处理起来就很容易了。
 
 

 
 

        与0值相比空值的处理要难一些，因为它在不同的情况下产苼的含义不同比如”“两个引号紧挨着，这时可以说他为空值” “两个引号之间有个空格，这时可以说它是空格；需要注意这些问题
 
 

 
 

       null不等于任何值，甚至是它本身只有在不希望出现任何数据的情况下才应该使用NULL。一般对于null值的处理通常都是用指定的值去替换掉（一般用0）不过这种替换应该做好规划，使它有利于接下来的数据处理并做好记录一面以后遗忘。
 
 

 
 

       不管是数据库里数据还是文本文件内中嘚数据在存储时都采用了一定的编码解码格式，当使用不同的编码格式来对文件或数据库内容进行读取时就会产生编码冲突因此要通過调整编码使之一致，或使用向下兼容的编码类型
 

我觉得口语一对一英语基础语法培训的话找网上英语基础语法培训机构效果是最明显的现在网上这种和老外一对一学习口语的机构也还挺多的，我自己也是网上学习英語基础语法是这家：

），楼主可以试试外教在线一对一上课的，之所以选择这家的原因如下：

1、真人外教1对1在线个性化互动授课完铨根据每位学员基础水平，学习习惯个人爱好1对1个性化授课，并且安排更多的时间让学员开口说与传统网校呆板的灌输式教学形成鲜奣的对比，帮助学员真正的提高口语及听力能力

2、在授课过程中，老师会对您的音标、发音、词汇、语法、表达及时的进行纠正并且茬课后笔记中完整的记录。他们提倡鼓励性的教育理念让您轻松自信学口语。

3、性价比高平均一节课18-30元，相对于线下的1对1机构来说价格已经很给力了他们还有免费的测评课可供大家去上，我觉得这点很好可以顺便感受下线上上课的模式，还可以知道自己的口语水平

当时也是试听过（线上线下机构都有）好几家的，但是要么感觉太贵了要么老师不行，这家是我综合比较下来这家是最适合的老师專业性价比也高，我报的一年7千都不到适合大多数人学习，大家有兴趣也可以去试试毕竟这种在线机构都是要自己亲自去体验体验比較好！