如何处理 Pandas DataFrame 中的缺失值（NaN）？

How do you handle missing values (NaN) in a Pandas DataFrame?

题目类型: 技术面试题

这是一道技术面试题，常见于澳洲IT公司面试中。

难度: easy

分类: Python

标签: NaN, Imputation, dropna, fillna

参考答案摘要

答案 常见做法：用 dropna() 删除含缺失值的行/列；用 fillna() 以常量、均值/中位数、前向填充（ffill）或后向填充（bfill）补全；也可用 interpolate() 做插值（适合时间序列或连续变量）。选择策略取决于缺失机制与业务含义：既要减少信息损失，也要避免引入偏差。

本题提供 STAR 原则详细解答和技术解析，登录匠人学院学习中心即可查看完整答案。