2.对数据做数据清洗操作，如果该气象站已停用，则过滤掉该站点数据，对过 滤后的数据中空值进行填补（可以使用均值，众数等）。洗完毕的

好的，针对您的问题，我可以给出一些Python代码示例来实现数据清洗操作。

首先，假设您已经读取了气象数据集，并将其存储为一个名为"weather_data"的Pandas DataFrame对象。然后，您可以使用以下代码来过滤掉已停用的气象站点数据：

# 读取气象数据集
import pandas as pd
weather_data = pd.read_csv("path/to/weather/dataset.csv")

# 过滤掉已停用的气象站点数据
weather_data = weather_data[weather_data["is_active"] == True]

在上面的代码中，我们假设气象数据集中包含一个名为"is_active"的列，用于标识气象站点是否已停用。我们可以使用条件过滤来选择"is_active"列值为True的数据行。

接下来，您可以使用以下代码来填补过滤后的数据中的空值：

# 对过滤后的数据中空值进行填补
weather_data.fillna(weather_data.mean(), inplace=True)

在上面的代码中，我们使用Pandas的fillna()方法来将空值填补为平均值。您也可以使用其他方法，如中位数、众数等。

最后，您可以将清洗完毕的气象数据集导入HBase数据库，具体方法可以参考HBase的官方文档或相关教程。