什么是缺失值

缺失值指的是在数据集中，某些字段的值缺失，这可能是由于数据收集、传输或存储过程中的各种问题造成的。具体来说，缺失值可能是由以下原因造成的：

网络故障或系统错误导致数据记录丢失。

人为疏忽，如数据录入错误或者被访者拒绝透露信息。

数据不是为特定分析目的而收集，导致某些相关属性未被记录。

缺失值可以分为几种类型：

完全随机缺失 （MAR） ：数据的缺失与其他完全变量无关。

随机缺失 （MAR） ：数据的缺失依赖于某些完全变量。

完全非随机缺失 （MNAR） ：数据的缺失依赖于不完全变量自身。

处理缺失值的方法包括删除含有缺失值的记录、用均值、中位数或众数填充、使用机器学习算法进行预测等。处理缺失值时需要考虑数据的性质和缺失机制，因为不同的缺失类型可能需要不同的处理方法。

需要注意的是，在处理缺失值时，默认值、空值（NULL）和特殊数值（如-999）等表示缺失值的方式，在不同的数据集和分析环境中可能有所不同。

其他小伙伴的相似问题：

缺失值在数据分析中如何影响结果？

如何识别数据中的缺失值？

缺失值处理时应注意什么？