以下在数据清洗时对于数据无效值和缺失值的处理，错误的是？A. 估算B. 整例删除C. 统一格式D. 成对删除

本题考查数据清洗中对数据无效值和缺失值的处理方法相关知识。解题思路是依次分析每个选项是否属于处理无效值和缺失值的方法。

• 选项A：估算
  在数据清洗时，当遇到缺失值，我们可以采用估算的方法来填充。例如，对于数值型数据，可以使用均值、中位数等统计量来估算缺失值。假设我们有一组数据$x_1,x_2,\cdots,x_n$，其中有部分数据缺失，若使用均值来估算缺失值，均值$\bar{x}=\frac{1}{n}\sum_{i = 1}^{n}x_i$，然后用这个均值去填充缺失的数据，所以估算属于处理缺失值的方法。
• 选项B：整例删除
  当数据集中某条记录存在较多的缺失值或者无效值时，为了保证数据的质量和分析结果的准确性，我们可以将这条完整的记录删除。比如在一个包含用户信息的数据集里，某条记录中用户的年龄、收入等多个关键信息都缺失，那么就可以把这条记录整例删除，所以整例删除是处理无效值和缺失值的一种方法。
• 选项C：统一格式
  统一格式主要是针对数据的表现形式进行处理，例如将日期数据统一为“YYYY - MM - DD”的格式，将文本数据的大小写统一等。它的目的是使数据在格式上保持一致，便于后续的分析和处理，但它并不是专门针对数据的无效值和缺失值进行处理的方法。
• 选项D：成对删除
  在数据分析中，特别是在处理两个变量之间的关系时，如果某对数据中其中一个变量存在缺失值，我们可以将这对数据删除。例如在研究身高和体重的关系时，若某条记录中身高数据缺失，就可以把这条记录中身高和体重这一对数据删除，所以成对删除是处理缺失值的一种方法。