使用ydata-profiling后如何获取清洗后的DataFrame？

ydata-profiling的核心是生成分析报告，默认不会把完整清洗后数据写入JSON报告（仅存首尾样本是为了减小报告体积），但可以通过两种方式直接获取完整的清洗后DataFrame：

• 直接调用内置清洗函数
  使用ydata_profiling.clean_dataset()，这个函数会执行和生成报告时完全一致的清洗逻辑（包括缺失值处理、重复项移除、异常值过滤等，逻辑与报告配置匹配），代码示例：

  import pandas as pd
  from ydata_profiling import clean_dataset
  
  # 加载原始数据
  raw_df = pd.read_csv("your_data_source.csv")
  # 获取清洗后的DataFrame
  cleaned_df = clean_dataset(raw_df)
  

• 从已生成的报告对象中提取
  如果已经创建了ProfileReport实例，可直接访问其内部的dataset属性获取完整清洗数据，代码示例：

  from ydata_profiling import ProfileReport
  
  # 生成报告
  report = ProfileReport(raw_df)
  # 提取清洗后DataFrame
  cleaned_df = report.dataset
  

需要注意：如果在生成报告时自定义了清洗相关配置（比如修改了缺失值处理规则），上述两种方式都会自动应用这些配置，得到和报告展示逻辑一致的清洗结果。

内容的提问来源于stack exchange，提问作者Franaz