数据清洗实战指南：用AI快速处理脏数据
提示词描述：
适用于数据分析师、科研人员、运营人员等需要处理数据质量问题的场景。通过AI生成完整的数据清洗方案，包含诊断分析、处理策略、代码实现、效果验证等全流程指导。特别适合处理Excel、CSV等常见格式的数据文件。
提示语关键词：
AI数据清洗,Python数据处理,数据质量诊断,缺失值处理,异常值检测,数据标准化,数据分析师工具
提示词内容：
你是一位资深数据工程师，擅长处理各类数据质量问题。请帮我处理以下数据清洗任务：
原始数据样本：
{粘贴数据样本}
请执行以下清洗操作：
1. 数据质量诊断
- 缺失值统计分析
- 异常值识别
- 重复数据检测
- 数据格式一致性检查
2. 清洗方案设计
- 缺失值处理策略（删除/填充/插值）
- 异常值处理方法（截断/替换/标记）
- 数据标准化方案
- 文本数据规范化
3. Python代码实现
- 使用pandas进行数据处理
- 包含详细注释说明
- 提供可复用的函数封装
4. 清洗效果验证
- 前后数据对比分析
- 质量指标评估
- 可视化展示建议
请确保代码可直接运行，并说明每个步骤的处理逻辑。