在公共营养的学习中，营养监测环节的数据清洗是至关重要的一部分。特别是在专项突破阶段的第 37 - 40 周，我们需要重点掌握其中关于逻辑校验（能量摄入＜500kcal 或＞5000kcal 视为异常）以及极端值处理（Z-score 法识别离群值）的具体操作，并且能够熟练运用 Excel 进行数据筛选与修正。
一、逻辑校验
逻辑校验的核心在于判断数据是否符合我们所设定的合理范围。在营养监测中，能量摄入是一个关键指标。一般来说，能量摄入过低（＜500kcal）或过高（＞5000kcal）都被视为异常。
学习方法：
1. 理解能量摄入的正常范围：要明白为什么选择 500kcal 和 5000kcal 作为界限，这需要结合人体的基础代谢率、日常活动水平等因素。
2. 案例分析：通过实际的案例来感受异常能量摄入可能带来的健康影响，从而加深对逻辑校验重要性的认识。
二、极端值处理 - Z-score 法
Z-score 法是一种常用的识别离群值的方法。它通过计算数据点与均值之间的距离来判断是否为极端值。
学习要点：
1. 掌握 Z-score 的计算公式：Z = （X - μ）/ σ ，其中 X 是数据点，μ 是均值，σ 是标准差。
2. 理解 Z-score 的意义：根据 Z-score 的大小来判断数据点是否偏离正常范围。
三、使用 Excel 进行数据筛选与修正
Excel 是我们进行数据处理的有力工具。
1. 数据筛选：可以利用 Excel 的筛选功能，根据设定的条件（如能量摄入的范围）快速找出异常数据。
2. 数据修正：对于识别出的异常数据，可以通过手动输入或使用公式进行修正。
总之，在备考公共营养的过程中，对于营养监测中的数据清洗方法，尤其是逻辑校验和极端值处理，要认真学习相关理论知识，并通过大量的实践操作熟练掌握 Excel 的应用，这样才能在考试中应对自如，为未来的实际工作打下坚实的基础。
希望以上内容对您有所帮助，祝您备考顺利！
喵呜刷题：让学习像火箭一样快速，快来微信扫码，体验免费刷题服务，开启你的学习加速器！
