首先查看數據形態：
data.shape
再查看數據類型和非空值的個數與比例
data.info()
使用SimpleImputer進行填補
from sklearn.impute import SimpleImputer as si
imp_mean=si()
默認是用均值進行填補，參數如下：
- missing_values: 空值的類型。默認np.nan
注意，numpy自帶的fillna只能填補np.nan，而此處則可以指定空值的類型。比如
?或N/A
- strategy: 可選：mean, median, most_frequent, constant
- fill_value: 以什么值進行填補，當constant時可用。
- copy：是否創建副本
當數據是連續型，一般用均值填補。數據是分類型，用眾數填補。
比如當空值是?時，使用0填充：
imp_0=si(missing_values="?",strategy='constant', fill_value=0)
imp_0=imp_0.fit_transform(data_)
注意此處，data是如果是0維，則要先變為一維：
data_=data.列名.values.reshape(-1.1)
除了用均值，0，眾數，中位數。還可用：算法、多重差補等。但是如用隨機森林進行填補，解釋性比較差。