离散变量和连续变量缺失值检验和填补，空格表示缺失值的

我们需要对不同类型字段进行转化。并且在此过程中，我们需要检验是否存在采用别的值
来表示缺失值的情况。就像此前所说我们通过isnull只能检验出None(Python原生对象)和
np.Nan(numpy/pandas在读取数据文件时文件内部缺失对象的读取后表示形式)对象。但此外我们
还需要注意数据集中是否包含采用某符号表示缺失值的情况。r如空格表示缺失值的，首先是离散字段的转化过程：


通过对比离散变量的取值水平，我们发现并不存在通过其他值表示缺失值的情况。
需要注意的是，如果是连续变量，则无法使用上述方法进行检验（取值水平较多），但由于往往
我们需要将其转化为数值型变量再进行分析，因此对于连续变量是否存在其他值表示缺失值的情
况，我们也可以观察转化情况来判别，例如如果是用空格代表缺失值，则无法直接使用astype来
转化成数值类型