在數據分析的過程中，我們常常會遇到缺失值的情況。而Python作為數據分析常用的語言之一，自然也有著豐富的缺失值填補方法。下面是一些常見的缺失值填補方法。

# 導入必要的庫
import pandas as pd
import numpy as np
# 創建一個DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan],
'B': [5, np.nan, np.nan],
'C': [1, 2, 3]})
# 1. 使用fillna方法填充缺失值
# 使用0填充所有缺失值
df.fillna(0)
# 使用各列的平均值填充缺失值
df.fillna(df.mean())
# 使用指定的填充值填充缺失值
df.fillna({'A': 0, 'B': 1})
# 2. 使用interpolate方法插值填充缺失值
# 使用線性插值填充所有缺失值
df.interpolate()
# 使用二次樣條插值填充所有缺失值
df.interpolate(method='spline', order=2)
# 3. 使用dropna方法刪除缺失值
# 刪除含有缺失值的所有行
df.dropna()
# 刪除所有缺失值
df.dropna(how='all')
# 刪除至少含有2個缺失值的行
df.dropna(thresh=2)

以上是常用的一些缺失值填補方法，我們可以根據具體情況選擇不同的方法，以提高數據分析的準確性。