问答 · ANSWER
数据清洗是什么？
直接回答
数据清洗是将原始数据中的缺失值、重复值或无效值进行处理，使其适用于后续分析的迭代过程。
关键要点
- 数据清洗是数据分析流程中不可或缺的迭代步骤。
- 数据清洗的常见操作包括处理缺失数据、处理重复数据以及处理无效数据。
- 处理缺失值的第一步是使用
isnull()方法结合any()方法进行识别。 - 处理缺失值的两种核心策略是直接丢弃（
dropna）与填充（fillna）。 - 在有序数据中，可使用前向填充（
ffill）或后向填充（bfill）进行智能填充。
怎么选 / 怎么做
数据清洗是一个迭代过程，通常包括：1. 识别数据问题（如使用isnull()检测缺失值）。2. 根据业务背景和数据情况，选择处理策略（如丢弃dropna或填充fillna）。3. 对有序数据可考虑使用前向填充或后向填充。
常见问题
数据清洗的目的是什么？
将原始数据中的问题数据处理好，使其适合后续分析。
怎么发现数据里的缺失值？
使用pandas的isnull()方法进行检测。
处理缺失值有哪些方法？
主要有两种方法：直接丢弃和用值填充。