已知超市数据（data/超市销售数据.csv），请显示前5行数据，并对数据进行数据清洗，分别对其中的缺失值、重复值、异常值和不一致数据进行处理。对data/score.xls数据进行清洗操作

首先，我需要加载您提到的两个文件"data/超市销售数据.csv"和"data/score.xls"，以便查看前五行数据。然后我们将进行数据清洗，包括以下几个步骤：

1. **显示前5行数据**:
假设这是CSV文件的数据，可以使用pandas库在Python中运行如下命令：

   import pandas as pd
   data_df = pd.read_csv("data/超市销售数据.csv")
   print(data_df.head())

对于Excel文件"data/score.xls"，同样使用pandas：

   score_df = pd.read_excel("data/score.xls")
   print(score_df.head())

2. **数据清洗**:
- **缺失值**: 使用`isnull()`检查并处理缺失值，例如删除含有缺失值的行或列，填充默认值等。

   data_df = data_df.dropna()  # 删除含有缺失值的行
   score_df = score_df.fillna(value=0)  # 填充score.xls中的缺失值（这里假设数值型）

- **重复值**: 检查并移除重复的记录。

   data_df = data_df.drop_duplicates()
   score_df = score_df.drop_duplicates()

- **异常值**: 需要根据具体业务规则判断哪些数值异常。比如，销售额超出正常范围可能是异常值，可以用统计方法如IQR（四分位数间距）检测异常。
- **不一致数据**: 如果字段之间存在逻辑关联（比如日期与时间应匹配），可以进行一致性检查。

完成以上操作后，我会输出清洗后的前几行数据，以及可能的处理结果。