第三章 确定数据集里面有没有缺失数据

  有的时候缺失数据并不是以空值，nan值等出现，它可能以0值，或者unknown、？等出现，这个时候我们要能够发现缺失数据。 其中最难发现的要数0值这种情况了，因为很容易把它当做一个数值类型来进行处理。

  我们可以用pandas中DataFrame类的describe方法来看一些这些数值类型特征的最小值，最大值，均值，方差情况，尤其是最小值。在有的特征里面最小是为0，但是通过看特征的意义，可以知道这些值不可能为0，比如体重不可能为0，这个时候这里的0就代表缺失数据。

  所以，在采集数据的时候，有空值最好用空出来，或者用nan等表示，用0表示容易出现混乱。