這次的 30 天鐵人賽，我想做一個和醫療資訊相關的專案，最後希望能完成一個「醫療資料品質檢查與清理工具」。之所以會選這個方向，是因為醫療資訊不只有醫療系統本身，資料品質也是很重要的一部分。平常看到的醫療資料，可能包含病人的基本資料、就診紀錄、檢查結果等，但這些資料在實際使用之前，不一定都是完整或正確的。
例如一份資料中可能會出現：

• 年齡欄位空白
• 同一筆資料重複出現
• 原本應該是數字的欄位卻出現文字
• 同一種資料有不同的寫法
• 出現不合理的數值

像是性別可能同時出現 M、Male、男，如果沒有先統一，之後進行統計時就可能被當成不同的資料。
因此，在進行資料分析之前，先確認資料的品質是很重要的。資料清理的目的，就是找出這些問題並進行適當的處理，讓後續的資料分析能夠建立在比較可靠的資料上。
這次專案目前預計會先針對五種常見問題進行處理：

1. 缺失值
2. 重複資料
3. 格式錯誤
4. 資料格式不一致
5. 不合理或異常的數值

最後希望能做出一個簡單的工具，讓使用者可以匯入資料後，由系統協助檢查資料品質，查看有哪些問題，並進行資料清理，最後輸出處理過的資料。