一、简介

作为一名数据工程师，面对糟糕的数据质量，该如何进行必要的数据质量检查呢？可以使用Pandas执行快捷的数据质量检查。

本文使用scikit-learn提供的California Housing数据集。

【数据集】：https://scikit-learn.org/stable/modules/generated/sklearn.datasets.fetch_california_housing.html

二、California Housing数据集概述

本文使用Scikit-learn数据集模块中的California Housing数据集。该数据集包含20000多条记录，涵盖了八个数值特征和一个目标房价中值。

【数据集模块】：https://scikit-learn.org/stable/datasets/real_world.html#real-world-datasets

接下来，将数据集读取到一个名为df的Pandas数据帧中：

from sklearn.datasets import fetch_california_housing
import pandas as pd

# 获取California Housing数据集
data = fetch_california_housing()

# 将数据集转换为Pandas DataFrame
df = pd.DataFrame(data.data, columns=data.feature_names)

# 添加目标列
df['MedHouseVal'] = data.target