数据清洗。 1）从studentsInfo.xlsx 文件的“Group1”表单中读取数据； 2）将“案例教学”列数据值全改为NaN； 3）滤除每行数据中缺失3项以上（包括3项）的行； 4）滤除值全部为NaN的列；

数据清洗是指对原始数据集进行预处理，以便后续分析或建模时得到准确、可靠的结果。对于给定的任务，以下是具体的步骤：

1. 首先，你可以使用Python的数据处理库pandas来操作Excel文件。使用`pandas.read_excel()`函数加载"studentsInfo.xlsx"文件，并指定工作表名"Group1"：

   import pandas as pd
   data = pd.read_excel('studentsInfo.xlsx', sheet_name='Group1')

2. 然后，针对"案例教学"这一列，你想要将其所有值设置为NaN，可以使用`loc`或`replace`方法：

   data['案例教学'] = data['案例教学'].replace({'案例教学': 'NaN'})
   # 或者
   data.loc[data['案例教学'] == '案例教学', '案例教学'] = np.nan

3. 接下来，需要过滤掉每行缺失超过3项的记录。这通过`dropna`函数结合`thresh`参数实现：

   cleaned_data = data.dropna(thresh=data.shape[1] - 3, axis=1)

4. 最后，为了去除全为NaN的列，可以再次使用`dropna`，这次只关注行（axis=0）而不是列：

   cleaned_data = cleaned_data.dropna(axis=1, how='all')

完成上述步骤后，`cleaned_data`就是已经清洗过的数据集了。