在实际应用过程中，样本由于各种原因缺少一个或多个值的情况并不少见。其原因主要有：数据采集过程中出现了错误，常用的度量方法不适用于某些特征，或者在调查过程中某些数据未被填写，等等。通常，我们见到的缺失值是数据表中的空值，或者是类似于NaN（Not A Number，非数字）的占位符。
遗憾的是，如果我们忽略这些缺失值，将导致大部分的计算工具无法对原始数据进行处理，或者得到某些不可预知的结果。因此，在做更深入的分析之前，必须对这些缺失值进行处理。而在讨论处理缺失值的几个技巧之前，我们先通过一个CSV（comma-separed values，以逗号为分隔符的数值）文件构造一个简单的例子，以便更好地把握问题的核心所在：
在上述代码中，我们通过read_csv函数将CSV格式的数据读取到pandas的数据框（DataFrame）中，可以看到：其中有两个缺失值由NaN替代。示例代码中的StringIO函数在此仅起到演示作用：如果我们的数据是存储在硬盘上的CSV文件，就可以通过此函数以字符串的方式从文件中读取数据，并将其转换成DataFrame的格式赋值给csv_data。
对于大的DataFrame来说，手工搜索缺失值是极其繁琐的，在此情况下，我们可以使用代码中的isnull方法返回一个布尔型的DataFrame值，若DataFrame的元素单元包含数字型数值则返回值为假（False），若数据值缺失则返回值为真（True）。通过sum方法，我们可以得到如下所示的每列中缺失值数量：
通过这种方式，我们可以得到每列中缺失值的数量。在下面的小节中，我们将学习几种不同的处理缺失数据的策略。
虽然scikit-learn是在NumPy数组的基础上开发的，但有时使用pandas的DataFrame来处理数据会更为方便。在我们使用scikit-learn处理数据之前，可以通过DataFrame的value属性来访问相关的NumPy数组：