构造一个矩阵，一列是一个城市的数据，然后编一个循环语句，对每一列数据，如果遇到缺失，进行插补。

好的，我可以帮您解答这个问题。

首先，您需要构造一个矩阵，其中每一列代表一个城市的数据。假设您有3个城市的数据，每个城市的数据有10个观测值，那么您可以这样构造矩阵：

import numpy as np

# 构造3个城市的数据，每个城市有10个观测值
data = np.array([[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                 [1, 2, np.nan, 4, 5, np.nan, 7, 8, 9, 10],
                 [np.nan, 2, 3, 4, np.nan, 6, 7, 8, 9, 10]])

# 转置矩阵，使每一列代表一个城市的数据
data = data.T

接下来，您可以使用循环语句遍历每一列数据，并对缺失值进行插补。这里我们使用简单的平均值插补法，即用该列数据的均值来代替缺失值。代码如下：

# 遍历每一列数据
for i in range(data.shape[1]):
    # 找到缺失值的位置
    nan_idx = np.isnan(data[:, i])
    if np.any(nan_idx):
        # 计算该列数据的均值
        mean_val = np.mean(data[~nan_idx, i])
        # 用均值代替缺失值
        data[nan_idx, i] = mean_val

这样，您就可以得到一个没有缺失值的矩阵。完整代码如下：

import numpy as np

# 构造3个城市的数据，每个城市有10个观测值
data = np.array([[1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                 [1, 2, np.nan, 4, 5, np.nan, 7, 8, 9, 10],
                 [np.nan, 2, 3, 4, np.nan, 6, 7, 8, 9, 10]])

# 转置矩阵，使每一列代表一个城市的数据
data = data.T

# 遍历每一列数据
for i in range(data.shape[1]):
    # 找到缺失值的位置
    nan_idx = np.isnan(data[:, i])
    if np.any(nan_idx):
        # 计算该列数据的均值
        mean_val = np.mean(data[~nan_idx, i])
        # 用均值代替缺失值
        data[nan_idx, i] = mean_val

# 转置回来，使每一行代表一个城市的数据
data = data.T

希望能够帮到您！