《PolarDB for PostgreSQL源码与应用实战》——PolarDB for PostgreSQL用SQL做数据分析（2） https://developer.aliyun.com/article/1232910?groupCode=polardbforpg

3、其他预置数据

如前文演示中看到的，dataset目录下面还有其他预先准备好的CSV数据，都可以手工创建表，然后用COPY命令把数据导进来。为了方便使用，PolarDB的插件其实还额外提供了一批以load开头的函数，执行这些函数就能自动创建数据库的表，并把CSV的数据导入到表中。如下图所示：

目前插件里包含了这5份数据，分别是波士顿房价数据、鸢尾花数据、糖尿病数据、手写数字数据，以及苹果公司股价数

据。其中房价数据、糖尿病数据和股价数据可以用来做回归分析，另外两份数据可以用来做分类分析。

（二）处理数据

1、定义缺失值

鸢尾花这150条数据是非常完整并且干净的数据，如前文所说，现实工作中的数据往往会有许多缺失值或者异常值，需要

先对数据做清洗。比方说，如果我们现在插入一条新的鸢尾花的样本，但部分的数据缺失了，希望分析工具在数据缺失的

时候自动填充上默认值（例如0）。PolarDB里面有一个数据库字段默认值的功能，在数据库字段缺失的时候，就会自动

使用默认值来填充。

如上图所示，给字段加默认值有两种方法：第一种是在表还不存在的时候，创建表的时候直接定义字段的默认值，就像

图中左边的代码一样，也用到了CREATE TABLE；第二种是表已经创建好了，想给已经存在的字段添加默认值或者修改默认值，这时候就需要用到另一个命令，ALTER TABLE，代码就像图中右边一样，给刚刚创建的表前4个字段全部加上默认值。

2、使用缺失值

定义好了默认值，接下来就可以通过INSERT命令来插入默认值了。

如上图所示，PolarDB中有两种INSERT方式可以用到默认值：第一种就像左边的代码，在INSERT的时候，不指定有默认值的列；第二种，指定了列，但values里面用default关键字。这两种方式都能用上默认值，但用COPY导入数据的话，能

不能用上默认值呢？我们来测试一下。

再看一下flower表的定义：

其中每个字段的默认值是空（即null）。尝试插入一行脏数据，除了品类，其他的字段都不指定：

可以看到现在插进来的这行数据里面，其他字段的值都是空的。接着用Alter Table去添加数据库字段的默认值：`alter table flowers alter column sepal_length set default 0, alter column sepal_width set default 0, alter column patal_length set default 0, alter column patal_width set default 0`。再次查看flowers表的定义：

现在字段的默认值都已经有了，全部都是0。然后再试试重新insert一条bad2的脏数据：

此时，bad2的其他字段都是0。可以再试试另外一种用default关键词的insert的方式：

可以看到bad2与bad3都使用了默认值0。最后再测试一下COPY命令是否可以用到默认值。首先清空数据：

然后编辑test.csv，手工加入3行脏数据。最后通过COPY命令，把test.csv的数据导进来：

一共导入了153行，但脏数据的字段依然为空：

《PolarDB for PostgreSQL源码与应用实战》——PolarDB for PostgreSQL用SQL做数据分析（4） https://developer.aliyun.com/article/1232907?groupCode=polardbforpg