1、数据清洗
缺失值处理（删除？填充？）
填充（固定值？均值？上下数据？插值函数？最可能的值？）
2、数据集成
（放一下import requests
from bs4import BeautifulSoup
import re
r=requests.get("https://book.douban.com/subject/1084336/comments/")
soup=BeautifulSoup(r.text,'lxml')
pattern=soup.find_all('span',{'class':'short'})
for itemin pattern:
print(item.string)
pattern = re.compile('<span class="user-stars allstar(.*?) rating"')
p = re.findall(pattern, r.text)
print(p)
3、数据变换（规范化，连续属性离散化，属性构造）
最小-最大规范化(sklearn-preprocessing)
z-score规范化（使用最多，均值为0）
小数定标规范化
连续属性离散化
