pd.DataFrame(np.arange(24).reshape((6, 4)), index = dates, columns = ['A', 'B', 'C', 'D'])
df.iloc[0, 1]...= np.nan
df.iloc[1, 2] = np.nan
print(df)
# 删除有NaN值的数据
# axis=0 表示以行删除，axis=1表示以列删除
# how='any' 表示有任何...NaN就执行删除操作，how='all' 表示删除所有制都为NaN的数据
print(df.dropna(axis = 0, how = 'any')) # how = {'any', 'all'}...print(df.dropna(axis = 1, how = 'any'))
# 为NaN值填充value
print(df.fillna(value =0))
# 判断数据是否缺失，会返回所有数据位为...True或False
print(df.isnull())
# 判断整个数据是否丢失数据，只要有一个位置丢失数据，就返回True，否则返回False
print(np.any(df.isnull())
云服务器
ICP备案
实时音视频
云直播
对象存储
