关于数据集中缺失值的处理

#缺失值处理
"""
已知数据中的缺失值均值用'?'来表示，我们的目的是将'?'转换成NaN并去除包含缺失值的数据行
replace()和dropna()都是pandas的函数
    - replace()的作用是将数据中所有的问号（'?'）替换为NumPy库中的NaN（Not a Number），NaN在数据分析中通常表示缺失值
    - dropna()的作用是删除包含缺失值的行
"""

data = data.replace(to_replace='?', value=np.NaN)
data = data.dropna()