python中如何处理缺失数据NaN, 请提供两种方法

在Python中，可以使用以下两种方法处理缺失数据NaN：

1. 使用numpy库：numpy是一个Python科学计算的基础库，其中包含了处理NaN缺失数据的方法。具体来说，可以使用numpy中的`isnan()`函数来判断数据是否为NaN，使用`nan`常量来表示缺失数据，使用`nanmean()`、`nanmax()`等函数来计算数据的均值、最大值等统计量。

2. 使用pandas库：pandas是一个Python数据分析的库，其中包括了处理NaN缺失数据的方法。具体来说，可以使用pandas中的`isna()`函数来判断数据是否为NaN，使用`NaN`常量来表示缺失数据，使用`dropna()`函数来删除包含NaN的行或列，使用`fillna()`函数来填充NaN缺失数据。

以下是一个使用numpy和pandas库处理NaN缺失数据的示例代码：

import numpy as np
import pandas as pd

# 创建一个包含NaN缺失数据的数组
arr = np.array([1, 2, np.nan, 4, 5])

# 使用numpy处理NaN缺失数据
print(np.isnan(arr))  # 判断是否为NaN
arr[np.isnan(arr)] = np.nanmean(arr)  # 使用均值填充NaN
print(arr)

# 使用pandas处理NaN缺失数据
df = pd.DataFrame({'A': [1, 2, np.nan, 4, 5], 'B': [6, np.nan, 8, np.nan, 10]})
print(df)
print(df.isna())  # 判断是否为NaN
df.dropna()  # 删除包含NaN的行或列
df.fillna(0)  # 使用0填充NaN