在Pandas中，處理缺失值的方法通常有以下幾種：
dropna()方法刪除含有缺失值的行或列，參數axis可以指定是刪除行還是刪除列。df.dropna() # 刪除含有缺失值的行
df.dropna(axis=1) # 刪除含有缺失值的列
fillna()方法填充缺失值，可以指定填充的值，如0、平均值、中位數等。df.fillna(0) # 將缺失值填充為0
df.fillna(df.mean()) # 將缺失值填充為列的平均值
interpolate()方法進行插值填充，根據缺失值前后的值進行插值填充。df.interpolate() # 插值填充缺失值
replace()方法將缺失值替換為其他指定的值。df.replace(np.nan, -1) # 將缺失值替換為-1
