python数据探索与数据与清洗概述

数据探索的核心：

1、数据质量分析（跟数据清洗密切联系，缺失值、异常值等）

2、数据特征分析（分布、对比、周期性、相关性、常见统计量等）

数据清洗的步骤：

1、缺失值处理（通过describe与len直接发现、通过0数据发现）

2、异常值处理（通过散点图发现）

一般遇到缺失值，处理方式为（删除、插补、不处理）

插补 

遇到异常值，一般处理方式为视为缺失值、删除、修补（平均数、中位数等）、不处理。