帮我写个pandas 代码，1、查看每列的空值个数 2、如果是数值列，用0填充，如果是文本列用空值填充

以下是代码示例：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 查看每列的空值个数
print(df.isnull().sum())

# 用0填充数值列，用空值填充文本列
for col in df.columns:
    if df[col].dtype == 'object':
        df[col].fillna('', inplace=True)
    else:
        df[col].fillna(0, inplace=True)

# 保存数据
df.to_csv('filled_data.csv', index=False)

其中，`df.isnull().sum()`会返回每列空值的个数，`if df[col].dtype == 'object'`会判断该列的数据类型是否为文本类型。如果是文本类型，就使用`df[col].fillna('', inplace=True)`用空值填充；如果是数值类型，就使用`df[col].fillna(0, inplace=True)`用0填充。最后，将填充后的数据保存到新的文件中。

相关问题

检查和清洗数据: 查看数据前几行，确认数据是否完整，有无缺失值、异常值或错误的数据类型。 清理缺失值，对于数值属性可以填充平均值、中位数或使用插值法；对于文本字段，可以考虑删除含有空值的行或用默认值填充。给我这部分完整的代码

在Python中，使用Pandas库进行数据预处理和清洗时，查看数据和处理缺失值通常会涉及以下几个步骤。这里是一个简单的示例代码：

# 导入所需的库
import pandas as pd
import numpy as np

# 加载数据
data = pd.read_excel('your_file.xls')

# 查看数据前几行
# 如果需要显示所有行，可以设置n=None
print(data.head())

# 检查缺失值
# 使用.isnull()获取缺失值的布尔数组
missing_values = data.isnull().sum()

# 看到哪些列有缺失值
print(missing_values)

# 清理缺失值
# 对于数值型列，我们可以填充平均值、中位数或使用插值（例如线性插值）
# 对于数值列
for column in data.select_dtypes(include=['float64', 'int64']):
    # 使用mean() 或 median() 填充平均值或中位数
    data[column].fillna(data[column].mean(), inplace=True)
    # 或者使用 interpolate()
    # data[column].interpolate(inplace=True) # 注意这一步可能导致新的数据点生成

# 对于分类或文本列，可以选择删除包含空值的行（dropna），或者填充默认值（fillna）
# 对于文本列
data['text_column'].fillna('default_value', inplace=True)

# 对于无法填充或特殊处理的列，可以查看具体情况后再做决定

# 完整清洗后的数据
clean_data = data.dropna()  # 删除完全由缺失值组成的行

记得在实际操作中替换 `'your_file.xls'` 为你的文件路径，并根据数据的具体情况进行适当的调整。最后的 `clean_data` 就是你清理后的数据了。