вы как исследователь данных сами должны решить что делать с пропусками,
обычно есть несколько типовых вариантов:
1. выкинуть эти данные (не подходит если очень мало данных, и каждые на вес золота)
2. заполнить какими-нибудь значениями типовыми, например нулями (если речь о количестве например) , или средними значениями если например это год (писать например 2005)
3. восстановить эти данные (для этого уже нужны определённые подходы и алгоритмы. например, используя соседей, к-mean, коллаборативной фильтрацией.)
у вас вобще тут совсем простая задача -> предположительно цена это результат комбинации набора параметров.
отсюда вы можете оценить влияние каждого параметра на цену. особенно имея схожие значения.
начинайте сначала с простых вещей -> там где CONDITION NEW -> очевидно что YEAR = ~ 2015
потом можно составить систему уравнений -> типа
YEAR*x+Storey*y+Area*z+Condition*n+Type*m+District*k=PRICE
можно легко составить систему из 5 уровнений, и найти коэффициэнты любым удобным для вас способом например Гауссом.
(PS если данных мало то district можно пренебречь)
