趋近智
数据清洗与预处理入门
章节 1: 干净数据的重要性
什么是数据清洗？
什么是数据预处理？
常见数据质量问题来源
数据质量差的影响
数据清洗流程概述
章节 2: 识别和处理缺失数据
什么是缺失值？
检测缺失数据的方法
可视化缺失数据模式
策略一：删除行（行删除法）
策略二：删除列
策略三：基础值填充（均值/中位数/众数）
选择策略的考量
处理缺失数据：动手实践
章节 3: 处理重复数据
如何定义重复数据？
为何移除重复数据？
识别完全重复行
根据特定列识别重复项
移除重复行
处理重复数据：实践
章节 4: 修正数据类型
数据集中的常见数据类型
为什么正确的数据类型很重要
识别不正确的数据类型
转换为数字类型 (整数, 浮点数)
处理数值转换中的错误
转换为日期时间类型
转换为分类或字符串类型
数据类型修正：动手实践
章节 5: 数据格式化与标准化
统一格式的重要性
统一文本大小写（大写/小写）
去除前导/尾随空格
简单字符串替换
基本单位转换示例
格式化实操
根据特定列识别重复项
这部分内容有帮助吗？
- pandas.DataFrame.duplicated, pandas development team, 2024 - pandas
duplicated()方法的官方文档，展示其如何使用subset参数查找部分重复项。 - Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 一本关于使用 Python 和 pandas 进行数据分析的常用书籍，涵盖数据清洗的实践方面，包括重复数据检测。
- Data Cleaning: Processes for Greater Data Quality, Ingrid F. Schiefer, Stefan Rueger, 2019 (Springer Nature) DOI: 10.1007/978-3-030-22164-1 - 本书介绍数据清洗原理和方法，为基于特定标准定义和识别重复数据提供背景。