如果数据集中存在缺失值,数据分析中对于数据缺失值的处理方法

　　我们需要转换不同类型的字段。在这个过程中，我们需要检查是否存在其他值。

　　以指示缺少的值。前面说过，我们只能验证None(Python原生对象)和。

　　Np。Nan(numpy/pandas是读取数据文件时文件内缺失对象的读取后表示)对象。但是除此之外，我们

　　还需要注意数据集是否包含表示缺失值的符号。如果R空间表示缺失值，第一步是离散字段的转换过程：

　　通过比较离散变量的值，我们发现不存在其他值代表缺失值的情况。

　　需要注意的是，如果是连续变量，上述方法不能用于检验(有很多值)，而是因为经常是

　　我们需要把它转换成一个数值变量，然后进行分析。因此，对于连续变量，是否存在代表缺失值的其他值。

　　条件，我们也可以通过观察转换来区分，例如，如果缺失值是用空格来表示的，就不能直接用astype来

　　转换为数值类型