數據探索的目的是及早發現數據的一些簡單規律或特徵，數據清洗的目的是留下可靠的數據，避免髒數據的干擾。這兩者沒有嚴格的先後順序，經常在一個階段進行。
數據探索的核心
數據探索的核心是：
- 數據質量分析（跟數據清洗密切聯繫）
- 數據特徵分析（分佈、對比、週期型、相關性、常見統計量等）
數據清洗實戰
數據清洗可以按如下步驟進行：
1.缺失值處理（通過describe與len直接發現、通過0數據發現）
2.異常值處理（通過散點圖發現）
一般遇到缺失值，處理方式爲（刪除、插補、不處理）；
插補的方式主要有：均值插補、中位數插補 、衆數插補、固定值插補、最近數據插補、迴歸插補、拉格朗日插值、牛頓插值法、分段插值等等。
遇到異常值，一般處理方式爲視爲缺失值、刪除、修補（平均數、中位數等等）、不處理。