fix(第二章第一节): 修正缺失值检索示例的错误写法与思考题答案

[ksk2023]

问题

《第二章：第一节数据清洗及特征处理.ipynb》（答案版）2.1.2 节的缺失值检索示例存在三处错误，感谢 @BigBiggerBest 在 #15 中的指正：

1. cell df[df['Age']==None]=0：== None 无法匹配 read_csv 读入后 float64 列中的 NaN，检索结果恒为空，示例起不到演示作用；
2. cell df[df['Age'].isnull()] = 0：布尔索引赋值会把命中行整行所有列都置 0（不是只改 Age），直接污染了 df。本 notebook 是顺序执行的，后续 2.2 节 df[df.duplicated()] 输出里全是 0 的"重复行"、drop_duplicates、to_csv('test_clear.csv') 等全部基于这份被污染的数据，保存下来的 test_clear.csv 等产物也都是错的；
3. cell df[df['Age'] == np.nan] = 0：NaN 遵循 IEEE 754 不等于任何值，== np.nan 恒为 False，同样检索不到；
4. 思考题【回答】（"数值列读取数据后，空缺值的数据类型为 float64 所以用 None 一般索引不到，比较的时候最好用 np.nan"）：结论是错的——== np.nan 同样匹配不到 NaN。

修复

• 三个示例 cell 改为纯检索（去掉破坏性的 = 0 整行赋值），并在注释中说明各自检索不到/会破坏数据的原因；只填充某一列应使用 df['Age'].fillna(0)；
• 修正思考题【回答】：None 与 np.nan 都不能用 == 检索，推荐 .isnull() / .isna()（ndarray 用 np.isnan()）；
• 用仓库自带 train.csv 对整个 notebook（55 个 cell）重新顺序执行，刷新了所有被污染的输出：
  • isnull().sum() 输出 Age=177 / Cabin=687 / Embarked=2，与数据集事实一致；
  • df[df.duplicated()] 现在正确输出 Empty DataFrame（原来的"全 0 重复行"正是数据被污染的产物）；
  • 重新执行 0 错误。

验证说明

• 仅改动上述 4 个 cell 的内容与其连带刷新的 outputs，其余 cell 的代码未改动；
• 《…-课程.ipynb》（学生练习版）对应 cell 为空白填空，无此问题，未改动。

Fixes #15

[Copilot]

Pull request overview

本次 PR 修正《第二章：第一节数据清洗及特征处理.ipynb》（答案版）中缺失值检索示例的错误写法，避免示例代码对 df 产生破坏性污染，并同步更正相关思考题答案与执行输出，使 notebook 顺序执行后的结果与数据集事实一致。

Changes:

• 将 2.1.2 节 3 个缺失值检索示例改为“纯检索”展示，并补充解释为何原写法会失效/污染数据
• 修正思考题【回答】，明确 None/np.nan 都不能用 == 检索缺失值，推荐 .isnull()/.isna()（ndarray 用 np.isnan()）
• 重新顺序执行 notebook 并更新受影响的 outputs（如 duplicated / isnull().sum() 等）

Suppressed comments (3)

第二章项目集合/第二章：第一节数据清洗及特征处理.ipynb:31

• This notebook now includes per-cell execution timestamp metadata (e.g., iopub.execute_input/status.*). Other notebooks in this repo keep cell metadata empty (e.g., 第二章项目集合/第二章：第二节数据重构1.ipynb:22-25 has "metadata": {}). Consider stripping the "execution" metadata blocks to reduce diff noise and keep notebooks consistent.
  第二章项目集合/第二章：第一节数据清洗及特征处理.ipynb:561
• The note says to use df['Age'].fillna(0) to fill only the Age column, but that expression alone does not modify df unless you assign it back (or use an explicit in-place operation). This could mislead readers into thinking the column is actually filled.
  第二章项目集合/第二章：第一节数据清洗及特征处理.ipynb:2956
• The regex string literal contains a backslash escape (.) which can raise SyntaxWarning on newer Python versions (invalid escape sequence) when not written as a raw string. Prefer a raw string literal for regex patterns here.

---

💡 Add a code-review agent skill or configure MCP servers for context-aware, tailored reviews. Learn more in the docs.