《六折我好喜歡你》的詞曲都是由唐思淼包辦，由陸虎演唱。
歌詞如下：
還沒說一句 早安呢
快馬加鞭來不及相約就遇見
公園後面的鐵道 騎樓底細微汗地咬著煎餅
一起走的過路 咖啡店好熟悉的小店
也會聊天到日暮 當成親密的新鄰居
好喜歡你呀 像吃貨撲剋臉
我無法控制 亂跳的心電
你說 聽我唱一場雨的歌
一場雨的旋律好長 一場雨的話語很短
一場雨的歌聲像你 隨風飄散 雨過天晴 雨停了我還想聽你唱
好喜歡你呀 像被雨淋的月台
在巷弄的深處 我被幸福感動到
好喜歡你呀 像無法停止的旋轉木馬
停不下來 我被自己感動到
喜歡你呀 好喜歡你呀 無法控制 好喜歡你呀
我想說我們後來在沒有下著雨的晚上我們是不是該相忘
可卻一場雨 淋濕了我感動你的話語像霧般地圍繞著我 你是否還在Python pandas讀取CSV檔案，並且進行數據清洗，請問具體如何操作？
CSV檔案中的數據格式如下：
名稱 | 年齡 | 城市 | 職業 | 工資
----|----|----|----|----
張三 | 28 | 北京 | IT | 8000-15000
李四 | 32 | 上海 | 設計 | 5000-8000
王五 | 25 | 廣州 | 市場推廣 | 4500-6500
趙六 | 37 | 深圳 | 其他 | 4000-6000
……
上述表格中的數據中，包含有重複項、缺失值和不符合要求的數據，需要將其進行清洗，得到乾淨的數據。請按照上述要求，使用Python pandas庫進行數據清洗。
以下是具體的操作步驟：
1. 使用pandas庫讀取CSV檔案。
2. 對數據進行清洗，包括去除重複項、填充缺失值和過濾不符合要求的數據。
3. 將清洗後的數據保存到新的CSV檔案中。
請按照上述要求，給出具體的代碼實現。假設CSV檔案名稱為data.csv。
以下是一個可能的實現方式：
首先，我們需要導入必要的庫：pandas 和 numpy。然後，使用 pandas 的 read_csv 方法讀取 CSV 檔案：
```python
import pandas as pd
import numpy as np
df = pd.read_csv('data.csv')
```
接下來，我們可以對數據進行清洗。首先，可以使用 drop_duplicates 方法去除重複項：
```python
df = df.drop_duplicates()
```
然後，我們可以使用 fillna 方法填充缺失值。首先需要定義一個填充值（這裡使用前一個單元格的值），然後使用 replace 方法替換缺失值：
```python
fill_value = np.nan_to_num(df.mean()) # 用均值作為填充值，實際套用中可以設定其他的填充值，比如中位數等。需要先將列的值轉為浮點數再進行平均計算。為了簡便操作此處使用均值作為例子。需要注意的是此方法無法用於對包含數字NaN之外類型的數據進行處理，因為均值在數字類型中會為缺失的值賦值另一個隨機值（NumPy行為）。在此種情況下建議手動處理為其他列類型的均值代替值。）或者可以直接設定為該列中所有值中的某個特定的數字，這裡以默認方法為準）最後，df[df.isnull().any()] 可以去除滿足該條件的所有行，以此去除符合不符合要求的數值；將需要清理的數據去掉或轉換為需要的數值格式）。假設你想要用這列數字的最小值作為填充值。df = df.fillna(df['數值列名稱'].min()) 替換成自己的列名即可。然後再進行一些操作進行驗證。） df['數值列名稱'].fillna(method='ffill', inplace=True) 或其他fill_method來進行後續的處理填充：這種方式能夠返回下一個相同元素的鄰近元素的填充）如下方示例填充某個條件對應的數字），因為您的示例表中數值欄位太多比較難示例這種情況需要特定修改此處將僅作為一個理解代碼的主要框架），直接套用這種處理方式可能造成數據丟失或者錯誤。所以建議先驗證一下是否正確再執行。）最後，可以使用 filter 方法過濾不符合要求的數據：df = df.filter(like='不符合要求的數值') 或者 df