4.1.4
4.1.4.docx
已填写 0 / 5
在下划线上填写答案。
根据学习大纲补充学习目标
数据清洗基础理论
学习目标：掌握数据清洗的基本概念和流程。
内容：
什么是数据清洗？
数据清洗的常见任务：数据去重、缺失值处理、数据格式转换等。
数据清洗在数据分析和模型训练中的重要性。
Pandas简介与安装
学习目标：
内容：
读取CSV、Excel、SQL等格式的数据。
保存数据到CSV、Excel等格式。
实践操作：导入和导出康复数据集。
数据筛选与过滤
学习目标：
内容：
条件筛选：基于单列或多列的条件筛选数据。
数据去重：去除重复记录。
缺失值处理：识别、删除和填充缺失值。
实践操作：筛选和过滤康复数据。
数据转换
学习目标：
内容：
数据类型转换：转换数据类型（如字符串到日期）。
时间序列处理：处理和分析时间序列数据。
数据分列和合并：分割和合并数据列。
实践操作：转换和处理康复数据。
数据合并与重塑
学习目标：
内容：
数据合并：concat和merge方法。
数据重塑：pivot和melt方法。
实践操作：合并和重塑康复数据。
数据分组与聚合
学习目标：
内容：
数据分组：groupby方法。
聚合函数：sum、mean、count等。
实践操作：分组和聚合康复数据。
数据可视化
学习目标：综合运用所学知识进行数据清洗项目。
内容：
项目介绍：清洗一个多来源的康复数据集。
数据采集：导入多种格式的数据。
数据清洗：使用Pandas进行数据清洗和转换。
项目评审：展示清洗成果，讲解实现思路和遇到的问题。