删除数据——探索Iris纸鸢花数据 （1） 将数据集存成变量iris （2） 创建数据框的列名称['sepal_length','sepal_width', 'petal_length', 'petal_width', 'class'] （3） 数据框中有缺失值吗？ （4） 将列petal_length的第10到19行设置为缺失值 （5） 将petal_lengt缺失值全部替换为1.0 （6） 删除列class （7） 将数据框前三行设置为缺失值 （8） 删除有缺失值的行 （9） 重新设置索引

好的，我会逐一回答您的问题。

1. 将数据集存成变量iris：

from sklearn.datasets import load_iris

iris = load_iris()

2. 创建数据框的列名称['sepal_length','sepal_width', 'petal_length', 'petal_width', 'class']：

import pandas as pd

columns = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width', 'class']
iris_df = pd.DataFrame(data=iris.data, columns=columns)

3. 数据框中有缺失值吗？

在创建数据框时，我们并没有发现缺失值。我们可以使用以下代码检查：

iris_df.isnull().sum()

输出结果为：

sepal_length    0
sepal_width     0
petal_length    0
petal_width     0
class           0
dtype: int64

即数据框中没有缺失值。

4. 将列petal_length的第10到19行设置为缺失值：

iris_df.loc[9:18, 'petal_length'] = np.nan

5. 将petal_length缺失值全部替换为1.0：

iris_df['petal_length'].fillna(value=1.0, inplace=True)

6. 删除列class：

iris_df.drop('class', axis=1, inplace=True)

7. 将数据框前三行设置为缺失值：

iris_df.iloc[:3, :] = np.nan

8. 删除有缺失值的行：

iris_df.dropna(inplace=True)

9. 重新设置索引：

iris_df.reset_index(drop=True, inplace=True)