1、csv格式文件读取到DataFrame中 2、删除员工号缺失的行 3、删除一行中缺失值>70%行数据 4、删除重复行数据 5、用箱线图分析法画图，并找出sal列可能的异常值 6、填充bonus列，空值设置为该列的平均值，city列空值用‘DG'填充

1. CSV格式文件读取到DataFrame中通常是在Python环境下，使用pandas库。例如：

import pandas as pd
df = pd.read_csv('file.csv')

这里假设"file.csv"是CSV文件名，这会将文件内容读入一个名为`df`的DataFrame。

2. 删除员工号缺失的行，可以使用dropna函数：

df = df.dropna(subset=['员工号'])  # 假设'员工号'列名是'员工号'

3. 删除一行中缺失值超过70%的数据，可以用isnull().sum()检查每列缺失值数量，然后筛选：

too_many_missing = df.isnull().sum() / len(df) > 0.7
df = df[~too_many_missing.any(axis=1)]  # 删掉有全缺失列的行

4. 删除重复行，使用drop_duplicates：

df = df.drop_duplicates()

5. 使用箱线图（Boxplot）分析`sal`列并查找异常值，先创建箱线图，然后找离群点：

import matplotlib.pyplot as plt
plt.boxplot(df['sal'])
outliers = df[df['sal'] < qntile(1) * iqr + whis(1)] | df[df['sal'] > qntile(3) * iqr - whis(1)]
print('可能的异常值:', outliers)

这里`qntile`和`iqr`是四分位数和四分位距，whis用于设定外上限和下限。

6. 填充`bonus`列空值为平均值，`city`列空值用'DG'填充：

df['bonus'].fillna(df['bonus'].mean(), inplace=True)
df['city'].fillna('DG', inplace=True)

注意`inplace=True`确保操作直接修改原 DataFrame 而非创建新副本。