对于98%的列是空值的数据集，我们能做些什么呢？

对于98%的列是空值的数据集，我们可以采取以下几种方法来处理：

1. 数据清洗：首先，我们可以对数据集进行清洗，删除那些几乎全部为空值的列。这样可以减少数据集的维度，提高数据处理的效率。
2. 数据填充：对于那些部分为空值的列，我们可以采取数据填充的方法来填充缺失值。常见的填充方法包括使用均值、中位数、众数等统计量填充，或者使用插值法进行填充。
3. 特征工程：我们可以基于已有的特征，通过一些特征工程的方法来构造新的特征。例如，可以计算某一列的平均值、最大值、最小值等统计量，并将其作为新的特征加入到数据集中。
4. 数据采样：如果数据集中存在大量的空值，而且这些空值对于后续的分析任务没有太大的影响，我们可以考虑对数据集进行采样，只选择非空值的样本进行分析。
5. 数据可视化：通过数据可视化的方式，我们可以更直观地观察数据集中的空值情况，并根据观察结果来决定如何处理这些空值。
6. 模型选择：在进行机器学习或其他数据分析任务时，我们可以选择一些对缺失值较为鲁棒的模型，例如决策树、随机森林等。

总之，对于98%的列是空值的数据集，我们需要根据具体情况采取不同的处理方法，以保证数据的完整性和准确性。