j将“大数据1年级爱好数据.xlsx”、“大数据1年级专业成绩数据.xlsx”数据中的nan替换为这门成绩的平均成绩，如果成绩有效数据少于1门的学生直接删除。

好的，这题目与上面的问题类似，只是需要对两个Excel文件进行操作。同样地，我们可以使用Pandas库来读取和处理数据。下面是一些示例代码：

import pandas as pd

# 读取“大数据1年级爱好数据.xlsx”文件
df_hobby = pd.read_excel("大数据1年级爱好数据.xlsx")

# 将所有NaN值替换为每门成绩的平均值
for column in df_hobby.columns[1:]:
    mean = df_hobby[column].mean()
    df_hobby[column].fillna(mean, inplace=True)

# 删除成绩有效数据少于1门的学生
df_hobby.dropna(thresh=2, inplace=True)

# 读取“大数据1年级专业成绩数据.xlsx”文件
df_major = pd.read_excel("大数据1年级专业成绩数据.xlsx")

# 将所有NaN值替换为每门成绩的平均值
for column in df_major.columns[1:]:
    mean = df_major[column].mean()
    df_major[column].fillna(mean, inplace=True)

# 删除成绩有效数据少于1门的学生
df_major.dropna(thresh=2, inplace=True)

这段代码做了以下几件事情：

1. 使用Pandas库的read_excel函数读取“大数据1年级爱好数据.xlsx”文件，并将其存储在名为df_hobby的DataFrame对象中。
2. 对于每门成绩的列，使用mean函数计算平均值，并使用fillna函数将所有NaN值替换为平均值。
3. 使用dropna函数删除成绩有效数据少于1门的学生。thresh参数指定每行中非NaN值的最小数量。因为每行至少有一个学生ID，所以阈值为2。
4. 使用Pandas库的read_excel函数读取“大数据1年级专业成绩数据.xlsx”文件，并将其存储在名为df_major的DataFrame对象中。
5. 对于每门成绩的列，使用mean函数计算平均值，并使用fillna函数将所有NaN值替换为平均值。
6. 使用dropna函数删除成绩有效数据少于1门的学生。thresh参数指定每行中非NaN值的最小数量。因为每行至少有一个学生ID，所以阈值为2。

请注意，这里假设Excel文件中只包含数字和NaN值。如果Excel文件包含其他类型的值，你可能需要进行更复杂的数据清洗。