在数据清洗过程中保留原始数据是个好习惯，可以让你随时回退或对比处理前后的数据。这里有几种常见的方法来实现这一点：
1. 创建原始数据的副本

在进行数据清洗之前，可以简单地复制原始 DataFrame：

python

import pandas as pd

# 假设 df 是你的原始 DataFrame
original_df = df.copy() # 创建副本

# 进行数据清洗
df.dropna(inplace=True)
df['date_column'] = pd.to_datetime(df['date_column'])

2. 使用版本控制

可以使用版本控制库（如 dvc 或 git）来管理数据集的不同版本。虽然这需要一些额外的设置，但对于大型项目非常有用。
3. 添加清洗标记

可以在清洗后的数据中添加一个列，用于标识数据是否经过清洗：

python

df['cleaned'] = True # 添加标记列

这样你可以同时保留原始数据和清洗后的数据，通过这个标记进行筛选。
4. 保存为不同的 DataFrame

你可以将清洗后的数据存储在一个新的 DataFrame 中，而保留原始数据：

python

cleaned_df = df.dropna() # 清洗数据，保留原始数据在 df 中

5. 使用数据库或文件系统保存原始数据

在开始数据清洗之前，可以将原始数据保存到数据库或文件中：

python

# 保存到 CSV 文件
df.to_csv('original_data.csv', index=False)

# 或者保存到数据库
df.to_sql('original_table', engine, if_exists='replace', index=False)

6. 结合上述方法

可以结合上述多种方法，以便在数据清洗过程中灵活应对不同需求。例如：

python

import pandas as pd

# 假设 df 是你的原始 DataFrame
original_df = df.copy() # 复制原始数据

# 清洗数据
df.dropna(inplace=True)
df['date_column'] = pd.to_datetime(df['date_column'])

# 在清洗后的 DataFrame 中添加标记
df['cleaned'] = True

# 保存原始数据到文件
original_df.to_csv('original_data.csv', index=False)

通过这些方法，你可以有效地在数据清洗过程中保留原始数据，方便后续对比和分析。如果有更具体的场景或需求，欢迎分享，我可以提供更详细的建议！

ITPub博客

python如何在数据清洗过程中保留原始数据？