缺失值
本课属于 Coddy Machine Learning 学习旅程的“数据与图表”单元。第 45 课，共 60 课。
真实数据中会有缺失值：传感器故障，或者有人错过了测验。pandas 会将每个空单元格标记为 NaN，也就是“非数字”：
大多数模型无法处理 NaN，所以先统计缺失值的数量。.isna() 会将每个缺失值标记为 True，而 .sum() 会统计它们的数量：
scores = pd.DataFrame({
"name": ["Ana", "Ben", "Cy", "Dee"],
"quiz1": [8, np.nan, 7, 9], # np.nan 表示缺失值
"quiz2": [6, 5, np.nan, np.nan],
})
print(scores.isna().sum())这会打印：
name 0
quiz1 1
quiz2 2
dtype: int64然后选择：dropna() 会删除所有有空缺的行；fillna(0) 会在每个空缺处写入 0。两者都会返回一个新表，所以要把它存起来。
统计数据会跳过 NaN：quiz1 的平均值是 8.0，由三个已知分数计算得出。
挑战
中等健身追踪器在 tracker.csv 中漏掉了一些读数。训练前，看看用不同方式处理缺失值会怎样影响 sleep 的平均值。起始代码会读取填充值 hours。
- 打印每列中的缺失值数量。
- 用三种方式打印平均睡眠时长，并四舍五入到小数点后 2 位：跳过缺失值，只统计所有列都没有缺失值的日期，以及用
hours填补缺失值。
使用另一个追踪器和 8 时：
day 0
steps 1
sleep 2
water 0
dtype: int64
Skipping gaps: 6.9
Complete days only: 7.0
Gaps filled with 8.0: 7.21亲手试试
import pandas as pd
tracker = pd.read_csv("tracker.csv")
hours = float(input())
# 在下方编写你的代码
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
数据与图表中的所有课
自己练习： Python 在线编译器