上周三凌晨两点，我盯着后台那堆乱成一锅粥的坐标数据，头发都快薅秃了。客户那边催得紧，说是要做周边商圈的热力图分析，结果导出来的数据里，一半是飘在太平洋上的，另一半是标在自家卫生间马桶上的。这种低级错误，新手干多了，老手看了直摇头。今天不整那些虚头巴脑的理论，就聊聊怎么用最土、最笨，但最管用的办法，把geo 手机采集回来的脏数据给理顺了。

第一步，先别急着跑算法，先做“物理”去重。很多兄弟拿到数据第一反应是打开Python写代码去重，其实大可不必。对于小批量数据，直接用Excel或者WPS的“删除重复值”功能最快。注意，这里的重复不是指整行重复，而是指“手机号+经纬度”这个组合重复。我见过太多人只去重经纬度，结果导致同一个用户在不同时间点的轨迹被当成不同人处理，最后算出来的用户画像全是错的。这一步虽然笨，但能帮你过滤掉至少30%因为信号漂移产生的无效噪点。

第二步，划定“电子围栏”，剔除离谱坐标。这一步是关键。你得先知道你的业务场景大概覆盖范围。比如你是做本地生活的，那坐标绝对不可能出现在隔壁省。我之前的一个项目，是帮一家连锁咖啡店做选址辅助，结果数据里混进了不少境外IP的geo 手机定位。怎么筛？建立一个简单的多边形围栏。如果坐标落在你预设的商圈多边形外，直接标记为“异常”。这里有个坑，别用圆形的半径去判断，因为城市道路不是直线，用多边形或者行政区域边界（比如百度地图API里的行政区划接口）更准确。这一步能帮你把那些因为基站定位不准，导致用户被标记在马路对面甚至隔壁小区的错误数据清理掉。

第三步，时间序列校验，揪出“瞬移”用户。人再快也跑不过高铁，更别提瞬移了。如果你的数据里，同一个手机号，前一分钟在朝阳区，后一分钟就在海淀区，那绝对是数据错了。设定一个合理的时间阈值，比如5分钟内移动距离超过5公里，直接剔除。我有个客户，之前没做这一步，结果算出来的用户平均停留时长短得离谱，因为系统把两次独立的访问当成了一次连续访问。加上这个校验后，数据质量瞬间提升了一个档次，客户看着顺眼，我也能准时下班了。

第四步，人工抽检，保留“粗糙感”。机器永远不如人眼敏锐。在自动清洗完后，随机抽取10%的数据，人工在地图上打点看看。有时候你会发现，有些坐标虽然符合逻辑，但明显是用户故意伪造的，或者是因为室内GPS信号弱导致的漂移。这时候，结合业务常识进行微调。比如，某用户一直在商场里转悠，但坐标却飘到了商场外面的马路上，这时候手动修正一下，或者标记为“低置信度”，比直接删除更科学。

最后，总结一下。做geo 手机数据清洗，没有银弹。别迷信那些高大上的AI算法，先把基础的数据去重、围栏过滤、时间校验做好，就能解决80%的问题。剩下的20%，靠的是你对业务的理解和一点点耐心。数据这东西，就像做饭，火候到了，味道自然对。别急着求快，先把底子打干净，后面的分析才能跑得稳。

本文关键词：geo 手机