流程

在进行任何清理操作之前，请先将每份数据备份，所有清理操作请在这份复件上进行，保留肮脏和/或凌乱的原始数据集以便日后查看。要在 pandas 中复制数据框，请使用copy 方法。如果原始数据框名为 df，你可以把即将清理干净的数据集复件命名为 df_clean。

df_clean = df.copy()

练习

观察下面患者 表与patients.info()输出结果的图片，通过练习来了解数据清理的流程。

一：方案确定 (定义)

从表中，我们可以看出zip_code邮编字段有异常值，邮编字段有小数点，还有些邮编只有4位数，这明显不是正确的邮编号码，所以我们可以确定以下的清理方案：

• 使用 astype方法 ''把邮编列''的数据类型从浮点型转为字符串，使用字符串切片删除掉 ''.0'' 并用 pad 方法在四位数的邮编前加一个 0

二：代码编写 (代码)

确定好清理方案后，第二步就是对提出方案进行编写代码清理；代码如下：

patients_clean.zip_code = patients_clean.zip_code.astype(str).str[:-2].str.pad(5, fillchar='0')

三：效果检验 (测试)

代码清理数据好，第三步就是检查我们清理后的数据是否已经清理好了，异常值问题是否已解决，（当前现实情况不止异常值的问题，还有缺失值，质量，数据整洁度等问题），下面我们可以通过代码来查看zip_code邮编字段是否还存在异常值，代码如下：

patients_clean.zip_code.head()