在数据科学领域，数据清洗是一个至关重要的步骤。本文是“使用Python和Pandas进行数据清洗”系列文章的一部分，旨在帮助开发者快速掌握数据科学工具和技术。如果对本系列的其他文章感兴趣，可以在这里找到它们：
现在已经加载了数据并准备好了，需要深入了解数据集可能存在的问题。请注意，为本系列模块创建了一个完整的Jupyter Notebook，其中包含了源数据文件，可以下载并本地安装。
大多数数据清洗过程的第一步是分析数据集，以找到并处理任何缺失的数据。缺失数据或缺失值通常发生在数据集中没有存储数据值的情况下，这通常是因为该值在表单中不是强制性的，或者是从其他变量计算得出的。数据集中的缺失数据是一个相当常见的现象，可能会对数据集的可视化和解释产生重大影响。
首先，需要找出有多少数据和哪些值缺失，然后决定如何处理这些缺失值。Pandas DataFrame有一些很好的方法可以做到这一点，包括：
首先，开始一个新的代码块，并输入以下内容：
customers.isnull()
这将写出一个表格，检查表中每个字段是否为null值。让扩展一下，以获得一个摘要：
customers.isnull().sum()
这为值提供了一个更好的摘要，除了名字和姓氏之外，看起来还有很多值需要修复。让看看处理缺失数据时可用的一些选项。
有时缺失值出现在不需要报告的列中，或者它们缺失的值很少，可以完全删除受影响的行。让使用以下方法删除一些不需要的值：
如果首先查看示例列，三个项目中有两个缺失值最多的是电子邮件和街道编号。这些数据元素通常是唯一的，虽然查看电子邮件域名（@符号之后的所有内容）可能很重要，但大多数时候不会想要对这些列进行太多报告，所以通过修改代码块来删除它们：
customers.drop(columns=['email', 'street_num'], inplace=True)
现在运行这个代码块，将看到这两个列已经从数据结构中删除了。这使得缺失值可能稍微好一点，尽管邮政编码列中缺失项的数量仍然相当高，所以也删除邮政编码。
另外，假设到街道级别的可视化并不重要，所以也将删除这些列。需要注意的是，因为使用的是就地删除，所以需要从一开始就运行笔记本，否则会得到错误。
接下来，将删除一些无法解释的行，特别是基于字段的行，例如城市和州。如果客户没有提供这些信息，将尝试删除这些行，看看这对总数据有多大影响。
开始一个新的代码块，并添加以下内容：
customers.dropna(subset=['city'], inplace=True)
print(customers.shape)
print(customers.isnull().sum())
这将删除所有城市列中有空值的行。将看到，根据打印输出，现在在城市字段中没有空值了，从1000条记录减少到了921条。
修改上述代码，并为州字段执行相同的删除过程。这将总字段数减少到848，所以有一小部分重叠，848条记录中的1000条仍然是相当好的。
这只剩下性别字段有空白值，但将使用不同的方法来处理这个字段，并用静态值"Unspecified"替换这些值。
fillna方法使用指定的值填充列或行。开始一个新的代码块，并添加以下内容：
customers['gender'].fillna('Unspecified', inplace=True)
print(customers.shape)
print(customers.isnull().sum())
这将扫描客户数据集上的性别列，并将任何缺失值更改为"Unspecified"。