数据清洗是数据科学领域的重要环节，它涉及到从原始数据中去除错误、重复和不一致的数据。以下是一些常见的数据清洗技术：
常见数据清洗技术
缺失值处理
- 删除法：删除含有缺失值的行或列。
- 填充法：用特定值（如平均值、中位数、众数）或模型预测值填充缺失值。
异常值处理
- 箱线图：通过箱线图识别异常值。
- Z-Score：计算Z-Score，识别远离平均值的异常值。
重复数据处理
- 删除重复：删除完全相同的行或列。
- 合并重复：将重复的数据合并为一条记录。
数据转换
- 标准化：将数据缩放到特定范围，如0到1。
- 归一化：将数据缩放到特定范围，如-1到1。
数据类型转换
- 字符串转数字：将字符串类型的数据转换为数字类型。
- 日期时间格式化：将日期时间字符串转换为日期时间对象。
扩展阅读
更多关于数据清洗的技术和案例，您可以参考以下教程：
数据清洗流程图