原文：
www.kdnuggets.com/2023/02/data-cleaning-python-cheat-sheet.html
数据清洗是数据科学项目中非常重要和关键的一步。机器模型的成功取决于你如何预处理数据。如果你低估并跳过数据集的预处理，模型将无法很好地执行，你将浪费大量时间去理解为什么它的表现没有你预期的那么好。
最近，我开始创建备忘单来加速我的数据科学活动，特别是关于数据清洗基础的总结。在这篇文章和备忘单中，我将展示数据科学项目中预处理步骤的五个不同方面。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织的 IT 工作
在这个备忘单中，我们涵盖了从检测和处理缺失数据、处理重复项及其解决方案、离群点检测、标签编码和类别特征的一热编码，到数据转换，如 MinMax 归一化和标准归一化。此外，本指南利用了 Pandas、Scikit-Learn 和 Seaborn 这三种最受欢迎的 Python 库提供的方法来显示图表。
学习这些 Python 技巧将帮助你从数据集中提取更多信息，从而使机器学习模型通过从清洗和预处理后的输入中学习而表现得更好。