Python数据清洗：缺失值处理与异常值检测
系统掌握使用Python与Pandas进行数据清洗的方法，从识别缺失值、选择合理的填补或删除策略，到检测异常值并验证清洗效果，避免因盲目处理导致数据偏差。
2026-09-09
8
系统掌握使用Python与Pandas进行数据清洗的方法，从识别缺失值、选择合理的填补或删除策略，到检测异常值并验证清洗效果，避免因盲目处理导致数据偏差。
从Session生命周期、事务边界与提交回滚入手，掌握SQLAlchemy中数据库操作的正确会话管理方式，并通过验证与常见避坑建立稳定的事务处理习惯。
通过@property将方法封装为属性访问接口，理解只读、可写、可删除属性以及数据校验等常见用法，并结合实际代码验证属性访问控制的行为，掌握使用时的设计原则与常见陷阱。
掌握defaultdict与Counter的核心用法、典型场景、结果验证及常见误区，提升字典数据统计、分组和计数代码的简洁性与可读性。
掌握 unittest.mock 中 patch 与属性模拟的核心用法，从定位需要替换的对象、模拟函数与类，到控制对象属性和验证调用结果，建立可维护、可隔离的 Python 单元测试方案，并避开常见的 patch 路径与作用域陷阱。
从迭代器协议入手，理解iter()与next()的协作机制，并通过自定义迭代器掌握协议实现、StopIteration终止、实际验证以及常见避坑。
介绍Python tempfile模块创建临时文件和临时目录的方法，重点掌握自动清理、生命周期管理、命名与安全使用，并通过实际验证避免临时资源泄漏。
介绍Python正则表达式预编译的原理与适用场景，通过re.compile创建可复用Pattern对象，比较重复匹配时的写法与性能，并总结常见使用误区。
从 pytest-cov 与 coverage.py 的职责区别入手，掌握覆盖率数据生成、合并与统一报告的完整流程，并通过验证和常见避坑确保多测试环境下的覆盖率统计准确可靠。
