无论是打比赛还是在实际工程项目中，都会遇到数据缺失的情况。如果数据集很小，它仍然可以 Excel 或者其他可视化软件可以大致看到数据丢失的原因。但当数据集较大时，手动检查每个变量的缺失值是非常麻烦的。
数据探索和预处理也是任何数据科学或机器学习流程中的一个重要步骤。数据丢失可能是处理真实数据集时最常见的问题之一，包括传感器故障、数据过时、数据管理不当甚至人为错误。丢失的数据可能以单个值、多个值或整个元素丢失的形式出现。
重要的是，在进行数据分析或机器学习之前，我们需要适当地识别和处理缺失的数据。许多机器学习算法不能处理丢失的数据，需要删除整个行数据，只有一个丢失的值，或用一个新的值替换（插入）。
混乱的数据集？ m i s s i n g n o missingno