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。
答题技巧
技术面试题建议先理清思路再作答，从基础概念讲起，逐步深入。可以结合实际项目经验解释技术原理，展示你的理解深度和实践能力。
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、收藏题目并进行模拟面试练习。
