前言
现实世界的数据中常常包含缺失的数据。原因很多，比如观察结果没有记录，或数据损坏。处理缺失的数据很重要，因为许多机器学习算法不支持具有缺失值的数据库。
本教程将讨论如何使用Python处理缺失的数据来进行机器学习。
您将了解到：
•如何在数据集中标记无效或损坏的值。
•如何从数据集中删除缺失数据的行。
•如何使用数据集的均值估算缺失值。
注意：文章中的例子前提是安装了Python 2或3，Pandas，NumPy和Scikit-Learn的；特别是scikit-learn版本0.18或更高版本。
概述
本教程分为6部分：
Python学习交流Q群：906715085###
•皮马印度人糖尿病数据集：我们在哪里查看已知缺失值的数据集。
•标记缺失值：我们学习如何在数据集中标记缺失值。
•缺少值导致的问题： 机器学习算法如果包含缺少值，将会如何失败。
•删除缺少值的行： 如何删除包含缺失值的行。
•估算缺失值：我们用合理的值替换缺失值。
•允许缺失值的算法：哪些算法允许缺失值。
首先，我们来看看缺少值的示例数据集。
1、皮马印度人糖尿病数据集
皮马印第安人糖尿病数据集根据现有的医疗信息预测5年内皮马印第安人糖尿病发作的概率。
这是两类(2-class)分组问题，每组的观察标本量不同。共有768个观测值，8个输入变量和1个输出变量。变量名称如下：
0.怀孕次数。
- 口服葡萄糖耐量试验中血浆葡萄糖浓度为2小时。
- 舒张压（mm Hg）。
一、Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了，安装就可直接上手！
三、最新Python学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试宝典
