在Pandas中，处理缺失值的方法通常有以下几种：
dropna()方法删除含有缺失值的行或列，参数axis可以指定是删除行还是删除列。df.dropna() # 删除含有缺失值的行
df.dropna(axis=1) # 删除含有缺失值的列
fillna()方法填充缺失值，可以指定填充的值，如0、平均值、中位数等。df.fillna(0) # 将缺失值填充为0
df.fillna(df.mean()) # 将缺失值填充为列的平均值
interpolate()方法进行插值填充，根据缺失值前后的值进行插值填充。df.interpolate() # 插值填充缺失值
replace()方法将缺失值替换为其他指定的值。df.replace(np.nan, -1) # 将缺失值替换为-1
