数据探索的目的是及早发现数据的一些简单规律或特征，数据清洗的目的是留下可靠的数据，避免脏数据的干扰。这两者没有严格的先后顺序，经常在一个阶段进行。
数据探索的核心是：
数据质量分析（跟数据清洗密切联系）数据特征分析（分布、对比、周期型、相关性、常见统计量等）数据清洗可以按如下步骤进行：
1.缺失值处理（通过describe与len直接发现、通过0数据发现） 2.异常值处理（通过散点图发现） 一般遇到缺失值，处理方式为（删除、插补、不处理）； 插补的方式主要有：均值插补、中位数插补 、众数插补、固定值插补、最近数据插补、回归插补、拉格朗日插值、牛顿插值法、分段插值等等。 遇到异常值，一般处理方式为视为缺失值、删除、修补（平均数、中位数等等）、不处理。
