Как работать с пропущенными данными в pandas?

Пропущенные значения: NaN (float), NaT (datetime), None. Обнаружение: df.isna(), df.notna(), df.isna().sum(). Удаление: df.dropna() — строки с NaN, dropna(axis=1) — столбцы, thresh=3 — минимум 3 не-NaN. Заполнение: df.fillna(0), fillna(method="ffill") — вперёд, fillna(df.mean()) — средним. Интерполяция: df.interpolate(method="linear"). pd.NA — новый nullable тип (Int64, StringDtype). Стратегия зависит от данных: числовые — среднее/медиана, категориальные — мода, временные ряды — интерполяция. Никогда не игнорируй пропуски — это искажает анализ.