如何处理数据

因为不懂如何提数据需求和数据分析，小白入门，先做个记录。。。

今天拿到一份数据，在提数据需求有一点没有考虑到，题目的版本号问题。我是这样写的：导出题库中题目的的作答数据。题型为一级题型：判断、填空、归类、排序、解决问题、计算、连线、选择、选择填空，不包含口算填空和口算选择。时间窗口：20170904-20180904. 文件格式：题型、题目ID、作答次数。需要再加上一条：题目版本号需要合并为一个，题目作答次数跟随版本号一起合并。

1.抽查部分数据：

a.拿到一份数据，首先抽取部分数据，最好是小的分层抽样，取验证小部分的数据是否与实际相符。例如，这是我拿到的是题目作答次数的数据，我先做了排序，看高频次、低频次的题目大致的分布。

b.抽查数据还有一点好处，小样能看出某些问题：

作答次数的少的题目验证了下：

1）有一部分是属于没有勾选主知识点和主考，推不出去；

2）还有符合主知识点（Q_10200911994039），但是仍没有推出，我们要思考问题出在哪里？

3）作答次数少还与题目录入时间有关，所以要排除录入时间的问题

4）发现一个问题：有的版本号有数据，有的没有版本号没有数据，这是什么问题？

没有完成的第一篇，开头丧。。。