一、缺失值处理
1、如何处理nan
两种思路：
（1）如果样本量很大，可以删除含有缺失值的样本
（2）如果要珍惜每一个样本，可以替换/插补（计算平均值或中位数）
2、判断数据是否为nan
pd.isnull(df)
pd.notnull(df)
3、缺失值处理方式
存在缺失值nan，并且是np.nan
（1）dropna(axis='rows')
删除存在缺失值
（2）fillna(value, inplace=True)
替换缺失值
说明：
value：替换成的值
inplace：
True：会修改原数据
False：不替换修改原数据，生成新的对象
（3）缺失值不是nan，是其他标记的
后面再说
二、缺失值处理实例
1、电影数据文件获取
