import pandas as pd data = pd.read_csv("src/death.csv", index_col='Unnamed: 0') data = data.dropna(axis=1, thresh=data.shape[0] * 0.2) data = data.dropna(axis=0, thresh=data.shape[1] * 0.2) ########## Begin ########## # 统计存在缺失值的列 # 逐列按要求替换缺失值，并打印每列替

换前后的缺失值个数和替换所用的方法

可以通过以下代码实现：

# 统计存在缺失值的列
missing_cols = data.columns[data.isnull().any()].tolist()

# 逐列按要求替换缺失值，并打印每列替换前后的缺失值个数和替换所用的方法
for col in missing_cols:
    null_count_before = data[col].isnull().sum()
    if null_count_before > 0:
        if data[col].dtype == 'object':
            data[col].fillna('unknown', inplace=True)
            print(f"{col}: {null_count_before} NaN values replaced with 'unknown'")
        else:
            median = data[col].median()
            data[col].fillna(median, inplace=True)
            null_count_after = data[col].isnull().sum()
            print(f"{col}: {null_count_before} NaN values replaced with median {median}. {null_count_after} NaN values remaining.")
    else:
        print(f"{col}: No missing values.")

这段代码会先找出存在缺失值的列，然后逐列替换缺失值。如果列的数据类型为字符串类型，则使用字符串'unknown'替换缺失值，并打印替换前后缺失值的个数和替换所用的方法；如果列的数据类型为数值类型，则使用该列的中位数替换缺失值，并打印替换前后缺失值的个数、替换所用的方法和替换后仍然存在的缺失值的个数。如果列中本来就没有缺失值，则直接打印该列没有缺失值。