ValueError: Cannot mask with non-boolean array containing NA / NaN values

这个错误通常是由于在使用 Pandas 的布尔索引时，数据中包含了缺失值（NaN）导致的。在使用布尔索引时，Pandas 会将布尔数组中的缺失值视为 False，这可能会导致一些意外的结果。

一种解决方法是使用 `fillna()` 方法将缺失值替换为其他值，例如 True 或 False。例如，如果我们想要在一个包含缺失值的 DataFrame 中筛选出某一列中的非缺失值，可以使用以下代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4, 5]})

# 将缺失值替换为 False
bool_array = df['A'].notnull().fillna(False)

# 使用布尔索引筛选出非缺失值的行数据
filtered_df = df[bool_array]

print(filtered_df)

输出结果为：

     A
0  1.0
1  2.0
3  4.0
4  5.0

在上面的代码中，我们首先创建了一个包含缺失值的 DataFrame `df`。然后，我们使用 `notnull()` 方法生成一个布尔数组，表示哪些值是非缺失值。接着，我们使用 `fillna()` 方法将缺失值替换为 False。最后，我们使用布尔索引来筛选出非缺失值的行数据，并将结果保存到 `filtered_df` 变量中。

另一种解决方法是直接删除包含缺失值的行数据。可以使用 `dropna()` 方法来删除包含缺失值的行数据。例如，如果我们想要在一个包含缺失值的 DataFrame 中筛选出某一列中的非缺失值，可以使用以下代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4, 5]})

# 使用 dropna() 方法删除包含缺失值的行数据
filtered_df = df.dropna(subset=['A'])

print(filtered_df)

输出结果为：

     A
0  1.0
1  2.0
3  4.0
4  5.0

在上面的代码中，我们使用 `dropna()` 方法删除包含缺失值的行数据，并将结果保存到 `filtered_df` 变量中。注意，这种方法会直接修改原始的 DataFrame，如果需要保留原始的 DataFrame，可以使用 `copy()` 方法创建一个副本。