在实际是数据处理中，缺失值是普遍存在的，主要分为机械原因和人为原因。机械原因就是存储器坏了，机器故障等等原因导致某段时间未能收集到数据。人为原因的情况种类就更多了，那么在Python中如何对缺失值进行处理呢，下面一起来看看吧。
一、什么是缺失值？
当我们在数据处理的时候，可能会因为某种原因无法获取到数据，而造成数据数据缺少丢失，那么我们就把这种情况称之为缺失值。
二、缺失值的解决方法
1、直接忽略元组
当我们在数据挖掘或者是对数据进行分类的时候，可能会出现缺少一些类别标签，如果在元组中有多个属性值缺失值的情况下，将元组镜像忽略的话，所实现的方法不太有效并且性能也比较的差。
2、手动填写缺失值。
使用这种方法，只能处理较少的数据集，并且需要大量的时间，一旦我们要处理的是比较大的数据集的时候，可能这种方法还不能实现。
3、通过全局变量可以填充缺失值
找打缺失的属性值，如何使用一个常数进行替换，假设我们的缺失值是使用unknown进行替换的时候，那么挖掘的程序可能会认为这是一种比较特殊的概念，使用这种方法在操作上会比较的简单，但是应用起来不太靠谱。
4、对缺失值进行填充
通过回归或者是使用贝叶斯形式化等推理工具，得出最有可能进行填充的数字。
到此这篇关于Python如何处理缺失值？Python缺失值的解决方法的文章就分享到这里了，习大家仔细的阅读这篇文章之后，能有一定的收获。
