（1）在Pandas数据清洗中，处理数据缺失值的方法有哪些？以及噪声数据处理的方法有哪些？请进行分点论述。

关于Pandas数据清洗中处理数据缺失值的方法，常用的方法包括：

1. 删除缺失值：可以使用dropna()函数来直接删除数据中带有缺失值的行或列。

2. 填充缺失值：可以通过fillna()函数来将缺失值填充为特定的值，比如均值、中位数等。

3. 插值填充：可以通过interpolate()函数来进行线性或者多项式插值，填充缺失值。

关于噪声数据处理的方法，可以考虑以下几点：

1. 根据问题定位：可以先根据具体的问题进行定位，判断是由于测量误差还是数据输入错误所导致的。

2. 基于统计学方法处理：可以通过统计方法，如均值、中位数等来消除噪声，同时可以通过滑动平均等方式平滑数据。

3. 基于模型进行处理：可以基于模型进行噪声处理，比如使用滤波器、高斯滤波等方式，通过对数据进行建模，消除噪声的影响。

以上是关于Pandas数据清洗中处理数据缺失值和噪声数据处理的一些常见方法，具体方法还需要根据实际问题进行选择。