检查数据中是否存在缺失值，并对数值型的缺失值进行填充，对类别型缺失值进行删除代码

在Python中，我们可以使用Pandas库来检查数据集中的缺失值，并针对不同类型的数据进行处理。首先，我们需要导入pandas模块并加载数据：

import pandas as pd

# 假设df是你的数据框
df = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径

# 检查是否存在缺失值
null_values = df.isnull().sum()  # .isnull()返回布尔值矩阵，sum()计算每列缺失值的数量
print(null_values)

# 对于数值型数据（例如整数或浮点数）的缺失值处理，你可以选择填充特定值
# 使用mean（均值）填充：
df.fillna(df.mean(), inplace=True)  # inplace=True表示直接修改原数据框，而非创建新副本

# 对于类别型（categorical）数据的缺失值，如果你不允许有缺失值，可以选择删除含有缺失值的行或列
# 删除含有任何缺失值的行：
df.dropna(inplace=True)

# 或者删除某一列如果有缺失值：
df = df.dropna(subset=['column_name'], how='any')