pandas对缺失值处理

pandas是一个强大的数据处理库，提供了多种方法来处理缺失值。下面是pandas对缺失值处理的几种常用方法：

1. 删除缺失值：可以使用`dropna()`函数删除包含缺失值的行或列。可以通过设置参数来控制删除的方式，例如`axis`参数指定删除行还是列，`how`参数指定删除方式（any表示只要有一个缺失值就删除，all表示全部缺失值才删除）。

2. 填充缺失值：可以使用`fillna()`函数将缺失值替换为指定的值。可以通过设置参数来控制填充的方式，例如使用均值、中位数、众数等进行填充。

3. 插值填充：可以使用`interpolate()`函数进行插值填充。插值填充是根据已知数据点之间的关系，通过插值算法来推测缺失值。

4. 使用默认值填充：可以使用`fillna()`函数将缺失值替换为默认值。可以通过设置参数来指定默认值。

5. 使用前向填充或后向填充：可以使用`ffill()`函数进行前向填充，使用`bfill()`函数进行后向填充。前向填充是用前一个非缺失值来填充缺失值，后向填充是用后一个非缺失值来填充缺失值。