Как выбрать способ заполнения пропусков

Выбор метода зависит от природы данных и задачи. Основные подходы:

1. Удаление строк (dropna) - если пропусков мало (<5%) и они случайны

df.dropna(inplace=True)

2. Константы - для категориальных или когда пропуск информативен

df.fillna('Unknown', inplace=True)

3. Статистики (mean/median/mode) - для числовых признаков

df['age'].fillna(df['age'].median(), inplace=True)

4. Предсказание (KNN, regression) - когда пропуски не случайны

from sklearn.impute import KNNImputer
imputer = KNNImputer(n_neighbors=5)
df_imputed = imputer.fit_transform(df)

Для временных рядов лучше использовать интерполяцию или forward/backward fill. Всегда проверяйте распределение до и после заполнения!