数据清洗中，处理缺失值的方法有两种：删除记录和数据插补（）

B．人工填写缺失值

C．自动插补

D．用相邻的元素填补

A.缺失值处理

B.噪声数据清除

C.一致性检查

D.重复数据记录处理

A.估算

B.整例删除

C.变量删除

D.成对删除

B.人工添加方法

C.用样本统计量的值去代替缺失值

D.用统计模型估计值去代替缺失值

E.只排除有缺失值的项目问题，但保留个案

B、可用己有数据的平均值代替缺失值

C、指标太少时最好不用平均值代替缺失值

D、可用随机方法给缺失值赋值

E、直接删除缺失值占比在3%~5%的指标

A、相关法

B、成对法

C、EM法

D、回归法

A、interpolate()使用中位数填充缺失值

B、isnull()判断缺失值

C、dropna()删除缺失值

D、fillna()填充缺失值

B．忽略缺失记录

C．以任意数据填充

D．用默认值填充