处理缺失值的方法有( )。
A: 不处理
B: 删除记录
C: 数据插补
D: dropna
A: 不处理
B: 删除记录
C: 数据插补
D: dropna
举一反三
- 对缺失数据进行处理的方法有( )。 A: 删除个案 B: 删除缺失值 C: 插补法 D: 格式规范 E: 去重复值
- 处理缺失值的方法包括( )。 A: 数据补齐 B: 删除记录 C: 不处理 D: 删除单元格
- 数据清洗时,处理缺失值的方法包括()。 A: 删除单元格 B: 删除记录 C: 数据补齐 D: 不处理
- 处理缺失值的常用方法有删除含有缺失值的个案和用可能值插补缺失值。
- 以下关于缺失值检测的说法中,正确的是( ) A: null和notnull可以对缺失值进行处理 B: dropna方法既可以删除观测记录,亦可以删除特征 C: fillna方法中用来替换缺失值的值只能是数据框 D: pandas库中的interpolate模块包含了多种插值方法