检测全球恐怖主义数据集存在缺失值的属性以及相应的缺失个数和缺失率，对于缺失率大于60%的属性，进行删除；对于剩余的具有缺失属性的数据进行填补。

分析全球恐怖主义数据集时，首先你需要加载数据并查看各属性（列）是否存在缺失值。这通常通过计算每列的缺失值个数（isnull().sum()）和整体的缺失值百分比（isnull().mean() * 100）来完成。如果某列的缺失值比例（缺失率）超过60%，按照你的要求，你可以选择删除这一列，因为高缺失率可能会导致分析结果的可靠性降低。

例如，如果你使用的是pandas库，代码可能类似这样：

import pandas as pd

# 加载数据
data = pd.read_csv('global_terrorism_data.csv')

# 检查缺失值
missing_values = data.isnull().sum()
percent_missing = (data.isnull().mean() * 100).round(2)

# 删除缺失率大于60%的列
columns_to_drop = percent_missing[percent_missing > 60].index
data = data.drop(columns=columns_to_drop)

# 对于剩余的有缺失值的列，你可以选择填充方法，比如用平均值、众数填充（fillna(df.mean()) 或 df.fillna(df.mode())），或者使用插值等其他方法