确定数据分析的目的，获取数据，清洗数据，探索数据，建模分析，结果交流
本篇主要采用python进行处理数据的方法进行描述
数据处理顺序：数据读写 ， 数据探索与描述， 数据简单处理， 重复值的处理，缺失值的处理，异常值的处理，文本字符串的处理，
数据读写：
pd.read_csv('文件路径')
pd.read_excel('文件路径')
数据的探索欲描述：（使用pandas读入进来的数据全部都是datefreim的格式数据简写为df）
df.info() df.describe() #简单的统计描述
数据的简单处理：
去除数据间的空格，英文字母的大小写转换
重复值的处理：
duplicate() #重复值寻找函数 drop_duplicates() #删除重复值
缺失值处理：
删除缺失值、均值填补，向前填充、模型填补（如随机森林法）
异常值处理：删除异常值的记录
作为缺失值处理、平均值修正缺失值、不处理但作为业务分析挖掘价值
文本字符串处理：去除前后空格
去除中间有逗号或括号的数据，采用replace（',',''）
正则表达式提取所需要数据
时间格式序列的处理：将系统时间格式化、系统时间和时间戳相互转化，年月日提取
标签：处理,df,清洗,描述,数据,缺失,重复 From： https://www.cnblogs.com/222wan/p/18063226