数据清洗是数据预处理的重要环节，主要目的是消除数据中的噪声、异常值和不一致性，提高数据质量，常见的数据清洗方法有以下几种：
1、去除重复记录：通过比较数据的较早标识符(如ID)或关键列，找出并删除重复的数据条目。
2、填充缺失值：根据数据的实际情况，使用统计方法(如平均值、中位数或众数)或插值法填充缺失的数据。
3、异常值检测与处理：通过计算数据的统计特征(如均值、方差、标准差等),识别并处理异常值，常见的异常值处理方法有删除、替换和插补等。
4、数据格式转换：将数据从一种格式转换为另一种格式，以满足后续数据分析或建模的需求，将文本数据转换为数值数据，或将日期数据转换为统一的日期格式。
5、数据合并与拆分：将多个数据集按照一定的规则进行合并或拆分，以便于后续的数据分析和处理。
6、重命名列名与调整列顺序：根据数据的实际情况，对列名进行修改或调整列的顺序，以提高数据的可读性和方便后续分析。
7、数据规范化：将数据统一为相同的度量单位、数值范围或编码格式，以消除数据之间的差异和不一致性。
8、数据分组与聚合：根据数据的某些特征，将数据进行分组和聚合操作，以便进行进一步的统计分析和可视化展示。
