缺失值的处理是一件艺术活，最高的境界应该是缺而不失。pandas中提供了非常丰富的工具来对缺失值进行处理。这里主要是对常用方法的简要介绍。
注：不同地区和软件对缺失值的表示方法不同，在用pandas读取文件时可指定缺失值的形式给参数na_values,如：
missing_values = ['n/a', 'na', '--']
df = pd.read_csv('文件名‘， na_values = missing_values)
缺失值处理常用策略：
- 对有缺失值的行和列简单的删除；
- 对缺失值进行计算，如用变量的平均值或众数进行填充；
- 在缺失值周围建立模型，然后用模型提供的值进行填充。
一、缺失值的删除
1.数据集中缺失值的统计
2.检查某列是否有缺失值
3.删除某列中有缺失值的行
4.删除有缺失值的行
如果需要某行全部是缺失值才删除时，可以添加参数
how = 'all', axis = 0
二、缺失值的计算
通常比较常用的填充缺失值的方法有计算变量的平均值、中位数和众数，更高级一点的是用K-NN和bayesian统计等算法来计算（R中比较出名的计算缺失值的包Amelia就是用bootstrap+EM算法求解）。不管哪种方法都应注意计算带来的bias。
中位数填充将
mean()换成median()，众数将其换成mode()[0]， 如果是多列的话，可以用lambda函数，
fill_na = lambda col:col.fillna(col.mode()[0])
df.apply(fill_na, axis = 0)
三、 分类变量的热编码
对于分类变量的处理主要是采用热编码的方式，在其中可以指定缺失值是否去除
保留分类变量中的缺失值，将其单独作为一列， 加dummy_na = True：
对数据集中每一个分类变量进行热编码，然后去除原来的变量：
def create_dummy_df(df, cols, dummy_na):
for col in cols:
df = pd.concat([df.drop(col, axis = 1), pd.get_dummies(df[col], dummy_na = dummy_na, axis = 1)
return df
