python数据清洗处理各列缺失数据代码

处理缺失值的方式有很多，以下是几种常用的方法：

1. 删除缺失数据

df.dropna(inplace=True)

2. 填充缺失数据

# 使用常数填充缺失值
df.fillna(0, inplace=True)

# 使用均值填充缺失值
df.fillna(df.mean(), inplace=True)

# 使用中位数填充缺失值
df.fillna(df.median(), inplace=True)

# 使用众数填充缺失值
df.fillna(df.mode().iloc[0], inplace=True)

# 使用前一个有效值填充缺失值
df.fillna(method='ffill', inplace=True)

# 使用后一个有效值填充缺失值
df.fillna(method='bfill', inplace=True)

3. 插值填充缺失数据

# 线性插值
df.interpolate(method='linear', inplace=True)

# 多项式插值
df.interpolate(method='polynomial', order=2, inplace=True)

# 根据索引插值
df.interpolate(method='index', inplace=True)

以上代码中，`df` 表示要处理的数据框，`inplace=True` 表示直接修改原数据。具体使用哪种方法填充缺失值，需要根据实际情况进行选择。