笔趣阁

12chapter12（第2页）

朋友……洛伦佐算是朋友吗？肯定不算。他是老板？雇主？房东？监工？

算了，不重要。

张凯发了一个“震惊”的表情包：“小林子你居然搬去郊区了？你不是说你的底线是不离开大学周边五公里吗？”

“情况有变。”我说。

“什么情况？”

“生活所迫。”

周姐发了一长串问号，然后说：“你是不是被那个新老板威胁了？”

我的心跳漏了一拍，她怎么猜到的？

“没有没有，”我打字，“这边房租更便宜。”

这倒是实话，洛伦佐没收我房租。

我也付不起。

“房租便宜？”周姐的语气里带着怀疑，“巴勒莫郊区哪来的便宜房子？我去年看了一圈，郊区比城里还贵，因为有海景。”

“……我这个没有海景。”

“那你搬它干嘛？”

“为了……安静。对，安静，做作业方便。”

周姐发了一个“好吧”的表情，然后说：“那周五的聚会你还来吗？郊区过来至少四十多分钟。”

“来，可乐我会买，买一整箱!”

然后我打开zoom，创建了一个临时会议链接，把链接发到群里。

“语音聊吧，打字太慢了。”我说。

三十秒后，三个人都进来了。

“喂？能听到吗？”

“听到了！”刘洋的声音从耳机里传来，“小林子你终于活了！我昨天还猜你被外星人绑架了！”

“比外星人绑架好不到哪去。”我小声嘀咕了一句。

“你说什么？”

“没什么没什么，”我赶紧说，“数据呢？你把数据发我，我先跑一下描述性统计。”

“发了，”刘洋说话声音嘎吱嘎吱的，像是在吃东西，“群文件，你收一下。”

我打开群文件，看到一个压缩包，下载，解压，导入stata。一切都很顺利，顺利得让我有点不安。按照墨菲定律，顺利往往意味着后面要出大问题。

“好了，”我说，“数据导入了，我先看一下变量的分布。”

“你快点看，”周姐说，“我这边文献综述写得差不多了，就差你的结果来支撑论点了。”

“别催别催，”我一边说一边在stata里敲命令，“好的数据需要时间酝酿，就像好的红酒需要时间醒酒——”

“你上次交作业前一天晚上才跑数据，熬到凌晨三点，现在跟我说‘好的数据需要时间酝酿’？”张凯的声音从耳机里传来，带着一种“我早就看透你了”的无奈。

“那次是意外，”我说，“这次不会了。”

我开始跑描述性统计。stata的界面在屏幕上跳动着，一行一行的数字冒出来。均值、标准差、最小值、最大值……一切都看起来很正常，正常得让我觉得哪里不太对。

“均值看起来还可以，”我一边看一边说，“标准差也不算大，没有极端异常值——等等。”

我的手指停在了键盘上。

“怎么了？”周姐问。

“游客数量的最大值，”我盯着屏幕上的数字，“十九万八千……这不太对吧？巴勒莫的单月游客数量什么时候上过十九万？”

“数据有问题？”刘洋的声音拔高了一点。

“我查一下，”我说，打开原始数据文件，翻到游客数量那一列，“这里，你看，十月，十九万八千。但是巴勒莫的旅游旺季是夏季，十月应该已经降下来了，怎么可能比八月还高？”

“是不是爬虫爬错了？”张凯问。

“有可能，”刘洋说，“我看看源网站……等一下，这个网站的数据标注有问题，它把‘全年累计’和‘月度数据’混在一起了。这个十九万八应该是全年的累计，不是十月的单月。”

“所以我们的数据里有脏数据，”我深吸一口气，“得重新清洗。”

“又要重新清洗？”刘洋的声音里带着一种“我已经不想再看到这个项目”的疲惫。

“没事没事，”我说，“把那些明显不对的极端值删掉就行。我来弄，很快的。”

我打开stata的do-file编辑器，开始写清洗数据的命令。dropiftourist_number>50000——把单月游客数量超过五万的都删掉，因为巴勒莫的单月游客数量就没超过五万过。

写完，运行。