数据表清洗需处理缺失值、重复数据、格式不一致和异常值。先用isna()检测缺失值，dropna()删除或fillna()填充；用duplicated()识别重复行并用drop_duplicates()删除；通过strip()、lower()等统一字符串格式，pd.to_datetime()转换日期，astype()修正数据类型；结合describe()和条件筛选处理异常值，如过滤年龄异常记录。
数据表清洗是数据分析中非常关键的一步，Python 中最常用的是 pandas 库来完成这项任务。通过 pandas 提供的丰富方法，可以高效处理缺失值、重复数据、异常值、格式不一致等问题。下面介绍常见清洗步骤和实现方式。
处理缺失值
缺失值在数据中很常见，会影响分析结果。pandas 使用 NaN 表示缺失值，可以通过以下方式处理：
-
检测缺失值：使用
isna()或isnull()查看哪些位置缺失。 -
删除缺失值：用
dropna()删除含有缺失值的行或列，适合缺失较多或不重要的字段。 -
填充缺失值：用
fillna()填补，可填均值、中位数、众数或指定值。例如：df['age'].fillna(df['age'].mean(), inplace=True)
去除重复数据
重复行会干扰统计结果，可用以下方法识别和清理：
- 用
df.duplicated()返回布尔序列，标记重复行（首次出现不算）。 - 用
df.drop_duplicates(inplace=True)直接删除重复行。 - 也可指定列子集判断重复，如：
df.drop_duplicates(subset=['name', 'email'])
统一数据格式
同一字段可能存在格式混乱问题，比如日期、字符串大小写、多余空格等：
极品模板多语言企业网站管理系统1.2.2
下载
【极品模板】出品的一款功能强大、安全性高、调用简单、扩展灵活的响应式多语言企业网站管理系统。 产品主要功能如下： 01、支持多语言扩展（独立内容表，可一键复制中文版数据） 02、支持一键修改后台路径； 03、杜绝常见弱口令，内置多种参数过滤、有效防范常见XSS； 04、支持文件分片上传功能，实现大文件轻松上传； 05、支持一键获取微信公众号文章（保存文章的图片到本地服务器）； 06、支持一键
立即学习“Python免费学习笔记（深入）”；
-
字符串清理：使用
strip()去首尾空格，lower()/upper()统一大小写。
示例：df['city'] = df['city'].str.strip().str.title() -
日期转换：用
pd.to_datetime()将字符串转为标准时间类型，便于后续分析。 -
类型修正：检查每列类型是否正确，如数值列被读成字符串，可用
astype()转换或to_numeric()安全转换。
处理异常值和无效数据
超出合理范围的数据需要识别并处理：
- 通过描述性统计
df.describe()观察最小最大值，发现异常。 - 用条件筛选定位异常值，例如年龄为负或超过150岁：
df = df[(df['age'] >= 0) & (df['age'] - 也可使用箱线图（IQR 方法）检测离群点，并决定替换或删除。
基本上就这些。只要结合具体业务场景灵活运用 pandas 的操作，就能高效完成数据表清洗。整个过程建议保留原始数据副本，避免误操作导致数据丢失。
