上一节中我们已经大概了解了数据的分布，这里我们考虑如何对数据进一步处理**（数据清洗）**（比较难，需要花较多的时间去处理数据）
1.缺失值分析及处理
缺失值出现的原因分析，采取合适的方式对缺失值进行填充
2.异常值分析及处理
根据测试集数据的分布处理训练集的数据分布，使用合适的方法找出异常值，对异常值进行处理
我们几个模块来进行分析：
1.加载一些必要的包，其中的一些包之前没有接触过，就自己查了一下
2.载入数据
可以看到我们的数据大概是什么样子
3.接下来就是对缺失值进行处理了。缺失值的处理手段大体可以分为：删除、填充、映射到高维(当做类别处理)。根据任务一，直接找到的缺失值情况是pu和pv；但是，根据特征nunique分布的分析，可以发现rentType存在"–“的情况，这也算是一种缺失值。此外，诸如rentType的"未知方式"houseToward的"暂无数据"等，本质上也算是一种缺失值，但是对于这些缺失方式，我们可以把它当做是特殊的一类处理，而不需要去主动修改或填充值。 将rentType的”–“转换成"未知方式"类别；pv/pu的缺失值用均值填充；buildYear存在"暂无信息”，将其用众数填充。关于OneHotEncoder独热编码和 LabelEncoder标签编码可以参考链接
https://zhuanlan.zhihu.com/p/35287916
iloc使用位置引用作为参数输入，而loc使用索引作为参数即当我们知道索引名的时候，值得注意的是，比如说整数2，Pandas会将2解释为一个索引的标签，而不是索引上的整数位置(与iloc相反)：参考链接https://www.sogou.com/sie?hdq=AQxRG-4493&query=.loc%E5%92%8C.iloc%E7%9A%84%E7%94%A8%E6%B3%95&ie=utf8
4.异常值处理
主要思路：这里主要针对area和tradeMoney两个维度处理。针对tradeMoney，这里采用的是IsolationForest模型自动处理；针对areahetotalFloor是主观+数据可视化方式得到的结果，关于孤立森林的知识可以参考https://www.sogou.com/sie?hdq=AQxRG-4493&query=%E5%AD%A4%E7%AB%8B%E6%A3%AE%E6%9E%97&ie=utf8
最后，对我们的数据进行深度清洗，关于这个特征工程，个人觉得是个很玄学的问题，在这里我也思考了很久，也没有得出一个很好地结论，等思考出来了，再继续补上，这里先贴一个代码
下一阶段我们将进行特征工程，敬请期待