上一篇我们用 Pandas 读取了数据，还摸清了数据的“家底”——但实际工作中，你拿到的往往是“脏数据”：比如电商订单表里“销售额”列空了几行、同一订单重复录了3次、销量突然出现10000件（明显是多输了个0）……
这些“脏数据”会直接导致分析结果出错：比如用含空值的销售额算总和，结果会是“NaN”（无意义）；重复订单会让总销量虚高；异常值会拉高平均值，让你误以为业务很好。数据分析师常说“数据脏，分析再牛也白费”，今天就教你用 Pandas 搞定三大脏数据：缺失值、重复值、异常值，每个方法都附电商实战代码，可以直接用。