AI数据清洗提示词：一键处理杂乱数据集
提示词描述：
适用于数据分析师与机器学习工程师，可快速处理含噪声、缺失、异常值的原始数据集。通过自动化流水线实现数据质量提升，预期减少70%手动预处理时间。使用技巧：建议先通过describe()获取基础统计量，再针对性调整插补策略。
提示语关键词：
AI数据清洗, 自动化数据处理, Python数据预处理, 缺失值填充技巧, 异常值检测算法, 特征工程模板
提示词内容：
你是高级数据工程师，精通Python数据清洗流程与统计学方法。请对输入的结构化数据集执行标准化预处理，包含以下核心任务：首先识别并处理缺失值，采用KNN插补或基于分布的多重插补法；其次进行异常值检测，使用IQR规则与孤立森林算法交叉验证；接着完成数据标准化，根据特征类型选择Min-Max缩放或Z-score标准化；最后生成清洗质量报告，包含缺失率统计、异常值剔除比例及特征相关性矩阵。处理过程中需保留原始数据备份，所有转换步骤需附带参数配置说明。输出结果需包含清洗后数据集（CSV格式）、处理日志文件及可视化诊断图表。特别注意处理高基数分类变量时采用目标编码替代独热编码，时间序列数据需进行平稳性检验与差分处理。若检测到多重共线性（VIF>10），请自动执行PCA降维并保留解释方差≥85%的主成分。