pandas读取csv数据集显示 NaN怎么处理

当 Pandas 读取 CSV 数据集时，如果某些行或列缺少数据，就会显示 NaN（Not a Number）。

处理 NaN 的方法有：

1. 删除包含 NaN 的行或列：使用 `dropna()` 方法。
2. 用固定值替换 NaN：使用 `fillna()` 方法。
3. 插值法填充 NaN：使用 `interpolate()` 方法。
4. 使用均值、中位数等代替 NaN：使用 `fillna()` 方法结合 `mean()`、`median()` 等方法。

具体的实现方法如下：

1. 删除包含 NaN 的行或列：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('data.csv')

# 删除包含 NaN 的行
df = df.dropna()

# 删除包含 NaN 的列
df = df.dropna(axis=1)

2. 用固定值替换 NaN：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('data.csv')

# 用固定值 -1 替换 NaN
df = df.fillna(-1)

3. 插值法填充 NaN：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('data.csv')

# 对包含 NaN 的列使用插值法填充 NaN
df = df.interpolate()

4. 使用均值、中位数等代替 NaN：

import pandas as pd

# 读取 csv 文件
df = pd.read_csv('data.csv')

# 用平均值替换 NaN
df = df.fillna(df.mean())