在拟合机器学习或统计模型之前，开发者通常需要清洗数据。用杂乱数据训练出的模型无法输出有意义的结果。为了将数据清洗简单化，本文介绍了一种新型完备分步指南，支持在 Python 中执行数据清洗流程。读者可以学习找出并清洗以下数据的方法：

  1. 缺失数据；
  2. 不规则数据（异常值）；
  3. 不必要数据：重复数据（repetitive data）、复制数据（duplicate data）等；
  4. 不一致数据：大写、地址等；

该指南使用的数据集是 Kaggle 竞赛 Sberbank 俄罗斯房地产价值预测竞赛数据（该项目的目标是预测俄罗斯的房价波动）。本文并未使用全部数据，仅选取了其中的一部分样本。

内容中包含的图片若涉及版权问题，请及时与我们联系删除