应用场景 ：你收到一份关于二手房成交的数据 house_df，包含三列：price（单价）、area（面 积）、status（装修状态：'简装', '精装'）。请补全代码，完成以下预处理任务： 1. 检测并删除 price 列中的缺失值。 2. 使用 $3\sigma$ 原则剔除 price 列的异常值。 3. 将 status 列转换为哑变量矩阵，并与原数据拼接。 import pandas as pd import numpy as np # 假设 house_df 已经加载 # 1. 删除 price 中的缺失值 house_df.________(subset=[ 'price' ], inplace= True ) # 2. 定义 3-sigma 过滤逻辑 def filter_sigma(df, col): mean_val = df[col].________() std_val = df[col].________() # 逻辑：保留在 (mean-3*std, mean+3*std) 范围内的行 rule = (df[col] > mean_val - 3 * std_val) & (df[col] < mean_val + 3 * std_val) return df[rule] house_clean = filter_sigma(house_df, 'price' ) # 3. 哑变量处理 status_dummies = pd.________(house_clean[ 'status' ], prefix= '装修' ) # 拼接回原表 final_df = pd.________([house_clean, status_dummies], axis= 1 )