4  数据清洗与整合

4.1 清洗步骤

1. 缺失值检测与必要填补
2. 日期与代码字段标准化
3. 重复记录去除
4. 离群收益率标注
5. 宽表与长表互转
6. 多表按键合并并核对行数变化

4.2 存储策略

• 基础格式: CSV
• 进阶格式: Parquet

在本项目规模下，Parquet 在列式读取和类型稳定性方面更适合后续扩展。