点击“数据预处理”按钮之后，进入一个新的界面，在这个界面中要有四个按钮，分别为缺失值处理，异常值处理，数据归一化，数据标准化，在点击每一个按钮时能进入每个按钮的新界面，并完成相应的任务，应用的数据集是一开始导入成功的那个数据集

好的，以下是基于你的要求添加的代码：

class DataPreprocessor:
    def __init__(self, master, data):
        self.master = master
        self.data = data

        # 创建用于显示数据处理结果的标签
        self.result_label = tk.Label(self.master, text="")
        self.result_label.pack(pady=10)

        # 创建“缺失值处理”按钮
        self.missing_button = tk.Button(self.master, text="缺失值处理", command=self.handle_missing)
        self.missing_button.pack(pady=10)

        # 创建“异常值处理”按钮
        self.outlier_button = tk.Button(self.master, text="异常值处理", command=self.handle_outlier)
        self.outlier_button.pack(pady=10)

        # 创建“数据归一化”按钮
        self.scale_button = tk.Button(self.master, text="数据归一化", command=self.scale_data)
        self.scale_button.pack(pady=10)

        # 创建“数据标准化”按钮
        self.standardize_button = tk.Button(self.master, text="数据标准化", command=self.standardize_data)
        self.standardize_button.pack(pady=10)

    def handle_missing(self):
        # 在这里添加缺失值处理逻辑，可以使用 Pandas 库

        # 显示处理结果
        self.result_label.config(text="已处理缺失值")

    def handle_outlier(self):
        # 在这里添加异常值处理逻辑，可以使用 Pandas 库

        # 显示处理结果
        self.result_label.config(text="已处理异常值")

    def scale_data(self):
        # 在这里添加数据归一化逻辑，可以使用 Scikit-learn 库

        # 显示处理结果
        self.result_label.config(text="已完成数据归一化")

    def standardize_data(self):
        # 在这里添加数据标准化逻辑，可以使用 Scikit-learn 库

        # 显示处理结果
        self.result_label.config(text="已完成数据标准化")

class DataImporter:
    def __init__(self, master):
        self.file_path = None
        self.master = master
        self.master.title("数据导入")

        # 创建用于显示文件路径的标签
        self.path_label = tk.Label(self.master, text="请先导入数据集！")
        self.path_label.pack(pady=10)

        # 创建“导入数据集”按钮
        self.load_button = tk.Button(self.master, text="导入数据集", command=self.load_data)
        self.load_button.pack(pady=10)

        # 创建“显示数据集”按钮
        self.show_button = tk.Button(self.master, text="显示数据集", command=self.show_data)
        self.show_button.pack(pady=10)

        # 创建“退出程序”按钮
        self.quit_button = tk.Button(self.master, text="退出程序", command=self.master.quit)
        self.quit_button.pack(pady=10)

        # 创建一个空的 DataFrame 用于存放数据集
        self.data = pd.DataFrame()

    def load_data(self):
        # 弹出文件选择对话框
        file_path = filedialog.askopenfilename()

        # 如果用户选择了文件，则导入数据集
        if file_path:
            self.data = pd.read_csv(file_path, delimiter=';')
            self.path_label.config(text=f"已导入数据集：{file_path}")
        else:
            self.path_label.config(text="未选择任何文件，请选择正确的文件")

    def show_data(self):
        if not self.data.empty:
            # 创建一个新窗口来显示数据集
            top = tk.Toplevel(self.master)
            top.title("数据集")

            # 创建用于显示数据集的表格
            table = tk.Text(top)
            table.pack()

            # 将数据集转换为字符串并显示在表格中
            table.insert(tk.END, str(self.data))
            table.config(state=tk.DISABLED)

            # 创建“数据预处理”按钮
            process_button = tk.Button(top, text="数据预处理", command=self.preprocess_data)
            process_button.pack(pady=10)
        else:
            self.path_label.config(text="请先导入数据集")

    def preprocess_data(self):
        # 创建一个新窗口来进行数据预处理
        preprocess_window = tk.Toplevel(self.master)
        preprocess_window.title("数据预处理")

        # 创建 DataPreprocessor 实例
        preprocessor = DataPreprocessor(preprocess_window, self.data)

        # 显示数据预处理窗口
        preprocess_window.mainloop()

这样你就可以在显示数据集的窗口中点击“数据预处理”按钮，打开数据预处理窗口，并在其中进行缺失值处理、异常值处理、数据归一化和数据标准化等操作。