这里只选取视频中的部分，详细资料还是去Datacastle下载看吧
数据清理的一些内容：
格式转换：
比如Excel和数据库中关于时间的记录；它是字符串的格式来进行保存的，如果想对时间进行一些运算的话，就必须利用Python里的一些包。
缺失数据：
可以说是数据清理的最重要的一个问题。
那么，如何应对数据缺失问题呢？
利用平均值、最常出现的值进行填充。（这是非常大的一个研究的方向）
异常数据：
出现不符合常识的数值
标准化：
数据清理实践
需要的包：
pandas:pip install pandas
seaborn:pip install seaborn
介绍了：
user.describe
user.shape
user.loc等待方法
数据清理：
to_datetime方法转换成日期类型
日期相减：
处理age异常：
利用dropna()方法去掉NaN
绘制平均值的图：
只取年龄<90岁的人
由于很多都<10岁，不符合实际。再取年龄>10岁的
柱状图
