#案件實例系列文
資料清洗的過程，除了之前提過的，將各種不同字樣(男性, 男姓, 男, M, m, Male, male…)收斂成相同(男)之外，我們也很常遇到，明明是同一個人，資料中卻有不同性別……
如圖是近期遇到的，會員資料庫中同一個會員編號，但卻有兩筆資料，性別分別是男和女；又例如同一個會員編號，但有兩個出生日期……。類似例子，不勝枚舉。
以出生日期來說，第一時間會想：會不會…是不同會員？但細看會發現這些資料大都有相同的特性，例如：日期的個位數和十位數互換、日期間的差是10的倍數、月日相同但年份差一年等等。所以這似乎較傾向是…不知怎麼記錄錯誤所導致，而非此會員編號是不同人。
面對這類型的資料問題，會隨著後續不同的資料運用，而有不同的處理方法，舉例常用的方法有四種：
1. 不處理：如果這資料問題，不是存在於會員資料表，而是存在於…例如交易資料表裡，同個會員編號在交易資料表中，出現兩筆以上是很正常的，換言之，縱使處理，也不會影響到此交易資料表中的資料筆數，這種時候通常會選擇不做任何調整。
從另外一個角度是，此會員編號在之前是以男性的身分來購物，後來是以女性的身分進來購物，此會員說不定是小A辣呀~ 有何不可？
2. 按照某個規則處理：若發生在會員資料表中，有日期時間可判斷則採最新一筆資料，但若二筆資料的會員編號、會員註冊日期時間、資料更新日期時間等，都是相同的，唯有性別一個是男一個是女，這只能看要取哪個值了。
例如這種狀況一律當作女生、或一律當作男生；若是出生日期不同，則取最大值或取最小值。總之按照某個規則處理，將整個會員資料表處理成一對一的相應才行。這會直接對資料筆數造成影響，資料經處理後筆數減少了。
3. 將此狀況列為「無法判斷」：如果覺得統一列為男生也不對、列為女生也不對，那此性別欄位的男,女，只好皆改為「無法判斷(或…null, 重複值)」等之類的標記，這對後續的數據分析使用最為公正。
4. 不處理，但新增欄位：例如我們慣用上會給個新的欄位，名稱叫做「key值檢驗」，把出現此狀況的資料標記成「X」，其餘正常的資料標記為「O」。至於使用時是否要把「X」資料排除，則由使用者每次運用時自行決定。
不過實際上會出現這類資料的占比都不高(0.1%以下)，縱使採方法2，也不見得會對後續分析造成太過嚴重的影響，至於實際要怎麼處理，這就告知各案案主，再由案主來決定了。
當然，案主們看到這些資料，通常會先傻眼3秒就是了。