檢查遺漏值
在分析中辨識遺漏值很重要。使用相同的資料集，你將同時在列與欄層級迭代，取得遺漏值的總數。找到遺漏值之後，還需要進一步的方法來處理，例如使用 sklearn 的 Imputer。遺漏值若未妥善處理，將難以正確地進行 CTR 預測。
已將範例資料載入為 DataFrame df。pandas 也已以 pd 名稱可供使用。
本練習屬於課程
用 Python 透過機器學習預測 CTR
練習說明
- 使用
.info()列印欄位的基本摘要。 - 使用
.isnull()列印各欄的遺漏值數量（別忘了加上括號！）。 - 使用
axis = 1搭配.sum()列印各列遺漏值的總數。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Print info
print(df.____)
# Print missing values by column
print(df.____.sum(____ = 0))
# Print total number of missing values in rows
print(df.____.sum(____ = 1).____)