我们的模型是基于训练集的数据建立的，测试集是用来测试训练的模型好坏与 否，是不应该被碰触引入任何其他数据信息的数据。A选项的错误在于用全数据的均值填充 缺失值。B和D选项的错误都在于不可以用测试集的均值来填充测试集的缺失值。

正确答案是：C: 先随机分割训练集、测试集，然后用训练集的均值填充缺失值。

**分析：**

在数据分析和机器学习中，数据预处理是一个关键步骤，缺失值填充是其中的一部分。训练集和测试集的划分及其预处理方式对模型的性能和泛化能力有重要影响。

1. **先用全数据的均值填充缺失值，然后随机分割训练集、测试集**：
- 这种方法会导致数据泄露（data leakage），因为测试集的信息在填充缺失值时已经被使用，这样会使模型性能看起来比实际情况更好。

2. **先随机分割训练集、测试集，然后用各自集合的均值填充缺失值**：
- 这种方法避免了数据泄露，但在实际应用中，测试集应该完全独立于训练过程。用测试集的均值填充测试集的缺失值会导致在模型部署时无法保证一致性。

3. **先随机分割训练集、测试集，然后用训练集的均值填充缺失值**：
- 这是最常用且合理的方法。先分割数据集，然后使用训练集的统计量（如均值）来填充训练集和测试集的缺失值。这样可以避免数据泄露，确保模型在训练和评估时使用一致的预处理步骤。

4. **先随机分割训练集、测试集，然后用测试集的均值填充缺失值**：
- 这种方法同样会导致数据泄露，因为测试集的信息被用来填充缺失值，从而影响模型的评估结果。

因此，选项C是正确的操作步骤：先随机分割训练集、测试集，然后用训练集的均值填充缺失值。这样可以有效避免数据泄露，确保模型的评估结果真实反映其泛化能力。