5分钟搞定Python数据清洗📊！

做数据分析最头疼的不是建模，而是洗数据😭 80%的时间都耗在缺失值、重复值、异常值上，今天把压箱底的Pandas清洗流程整理出来，一行代码搞定，新手也能直接套用！
🔍 第一步：先看数据长啥样
df.info() # 看字段类型和缺失情况
df.head() # 预览前5行
df.isnull().sum() # 统计每列缺失数
大文件用 chunksize 分块读取，再也不怕内存爆红🔥
🧹 第二步：处理缺失值（最常遇到）
删：df.dropna(subset=['列名'])
填：df['age'].fillna(df['age'].median())（数值用中位数，分类用“未知”）
高级玩法：按分组填充，比如不同班级补不同的平均分
时序数据用 interpolate() 插值，平滑又合理
🚫 第三步：干掉重复数据
df.drop_duplicates(subset=['user_id'], keep='first') 按用户ID去重，保留最早记录；
⚠️ 第四步：揪出异常值
业务规则：年龄>120的直接筛掉
统计学方法：用四分位距（IQR），超出1.5倍范围的直接剔除
python
Q1 = df['value'].quantile(0.25) Q3 = df['value'].quantile(0.75)
IQR = Q3 - Q1
df = df[(df['value'] >= Q1-1.5*IQR) & (df['value'] <= Q3+1.5*IQR)]
📐 第五步：矫正数据类型
pd.to_datetime() 转日期
pd.to_numeric() 转数字（报错自动变NaN）
百分数字符串先去掉%再除100
类别型字段用 astype('category')，内存直接砍半
✂️ 第六步：清洗文本字段
str.strip() 去空格，
str.lower() 统一小写，
str.replace() 去掉无用符号
💡 进阶贴士
链式操作：df.dropna().drop_duplicates().reset_index(drop=True)
隐性缺失值先替换成 np.nan，再统一处理

完整Python籽料给大家整理好了，有需要的小伙伴按以下步骤获取领取方式
1、点赞+在看
2、后台回复：Python