给定一个时间内某段各个国家的酒类消费数据表drinks.csv，其中包含6个字段，表8-1给出了该表中的字段信息。 表8-1 酒类消费数据表的字段信息 Country 国家 beer_servings 啤酒消费量 spirit_servings 烈酒消费量 wine_servings 红酒消费量 total_litres_of_pure_alcohol 纯酒精消费总量 Continent 所在的大洲 完成以下的任务： （1）用pandas将酒类消费数据表中的数据读取为DataFrame，输出包含缺失值的行； （2）在使用read_csv函数读取酒类消费数据表时（除文件地址外不添加额外的参数），pandas将continent字段中的“NA”（代表北美洲，North American）自动识别为NaN。因此，需要将continent字段中的NaN全部替换为字符串NA。如果学有余力，可以自行在网络上调研如何在read_csv函数中添加参数使NA不被识别为NaN； （3）分别输出各个大洲的平均啤酒、烈酒和红酒的消费量； （4）分别输出啤酒、烈酒和红酒消费量最高的国家。

以下是代码实现：

import pandas as pd

# 读取数据并输出包含缺失值的行
drinks = pd.read_csv('drinks.csv')
print(drinks[drinks.isnull().any(axis=1)])

# 将continent字段中的NaN全部替换为字符串NA
drinks['Continent'].fillna('NA', inplace=True)

# 分别输出各个大洲的平均啤酒、烈酒和红酒的消费量
continent_mean = drinks.groupby('Continent').mean()[['beer_servings', 'spirit_servings', 'wine_servings']]
print(continent_mean)

# 分别输出啤酒、烈酒和红酒消费量最高的国家
max_beer = drinks.loc[drinks['beer_servings'].idxmax()]['Country']
max_spirit = drinks.loc[drinks['spirit_servings'].idxmax()]['Country']
max_wine = drinks.loc[drinks['wine_servings'].idxmax()]['Country']
print('最高啤酒消费量的国家是：', max_beer)
print('最高烈酒消费量的国家是：', max_spirit)
print('最高红酒消费量的国家是：', max_wine)

其中，（1）的输出结果为包含缺失值的行；（2）的处理通过 `fillna()` 方法将NaN替换为NA；（3）的平均消费量使用 `groupby()` 方法进行分组求平均；（4）的输出结果使用 `idxmax()` 找到各个字段的最大值所在行的索引，然后使用 `loc[]` 方法获取该行的Country值。