为了保证数据的准确性和完整性，如果没有数据清洗那么结果会产生误差。

数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。

数据清洗方法

一般来说，数据清理是将数据库精简以除去重复记录，并使剩余部分转换成标准可接收格式的过程。

数据清理标准模型是将数据输入到数据清理处理器，通过一系列步骤“ 清理”数据，然后以期望的格式输出清理过的数据。数据清理从数据的准确性、完整性、一致性、惟一性、适时性、有效性几个方面来处理数据的丢失值、越界值、不一致代码、重复数据等问题。

数据清理一般针对具体应用，因而难以归纳统一的方法和步骤，但是根据数据不同可以给出相应的数据清理方法。

在进行数据分析之前，必须对原始数据进行清洗。数据清洗是指在数据分析过程中对数据进行预处理和修正，以确保数据的质量、准确性和一致性。清洗数据的原因如下：
数据来源复杂：数据来自多个渠道，包括人工输入、网络采集、传感器监测等各种方式，可能存在格式不规范、重复或缺失等问题。
数据异常值：由于各种原因，数据可能会出现极端值或明显错误的数据点，这些异常值会影响数据的准确性和可靠性。
数据缺失：数据采集过程中可能会遗漏部分数据或者某些数据无法完全获取，这些缺失数据会影响数据分析的结果。
数据格式转换：不同的数据源可能使用不同的格式存储数据，需要将其转换为统一的格式方便后续分析。
数据一致性：由于数据来源不同，数据中可能存在相同信息的多种表达方式，需要对其进行统一标准化，保证数据的一致性。
总之，数据清洗是数据分析中非常重要的一个环节，可以提升数据质量和准确性，使得后续的数据分析工作得到更为准确可靠的结果。