1. 離散化

　　a) 無序變數離散化—— OneHotEncoder

　　b）有序變數離散化

　　　　等寬劃分：按照相同寬度將資料分成幾等份。缺點是受到異常值的影響比較大。 pandas.cut方法可以進行等寬劃分。

　　　　等頻劃分：將資料分成幾等份，每等份資料裡面的個數是一樣的。pandas.qcut方法可以進行等頻劃分。

　　　　聚類劃分：使用聚類演算法將資料聚成幾類，每一個類為一個劃分。

　　內容來自https://www.cnblogs.com/jiaxin359/p/8574510.html

內容來自https://www.cnblogs.com/xingnie/p/12264505.html

2. 缺失值處理

　　# 考慮全空才刪，還是空一個就刪

　　df.dropna(how = ,axis = )

　　# 用什麼（平均值）填充空值

　　df.fillna()

df['Exterior_Color'].fillna(method='ffill') #前向填補

df['Exterior_Color'].fillna(method='bfill') #後向填補

df.Mileage.fillna(df.Mileage.mean()) # 年齡這裡列 用均值填補

df.Mileage.fillna(df.Mileage.median()) #中位數填補
 

3. 重複值處理

　　df.xxx.drop_duplicates()

4. 異常值處理

# 剔除戶主姓名,戶主身份證號和年齡有缺失的樣本
df.dropna(axis = 0,how='any',subset=['戶主姓名','戶主身份證號','age'],inplace = True) #1代表列，0代表行，只要有缺失，就刪除這一行,基於三個變數