2025.1.16（周四）

数据清洗是数据分析中的第一步，通常我们会遇到缺失值、格式不统一等问题。例如，在处理时间格式时，数据中的时间可能是字符串形式，且格式不一致。

import pandas as pd

# 假设数据中有时间列'order_date'，其格式为字符串
data = pd.read_csv('orders.csv')

# 统一时间格式
data['order_date'] = pd.to_datetime(data['order_date'], format='%Y-%m-%d %H:%M:%S')

# 填充缺失值
data['order_date'] = data['order_date'].fillna(data['order_date'].mode()[0])  # 填充为最频繁出现的日期