检查缺失值
在分析中识别缺失值很重要。使用同一数据集，您将通过在数据集内同时按行和按列迭代来获取缺失值的总数。发现缺失值后，还需要进一步的方法来处理这些值，例如使用 sklearn 中的 Imputer。必须妥善处理缺失值，否则将难以进行有效的 CTR 预测。
以 DataFrame 形式的示例数据已加载为 df。在您的工作区中也已提供将 pandas 导入为 pd。
本练习是课程的一部分
用 Python 预测 CTR 的机器学习实战
练习说明
- 使用
.info()打印列的基本摘要。 - 使用
.isnull()打印各列的缺失值数量（别忘了加括号！）。 - 使用
axis = 1和.sum()打印每行的缺失值总数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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).____)