umpy库中的NaN值umpy库中的一种特殊类型，表示“不是一个数字”。当数据中存在异常值为空缺时，可以使用NaN来替代。具体操作如下
portumpyp
panpan, 9]p.array(data)
判断数组中是否存在NaN值tpan(data))
将NaN值替换为0pan(data)] = 0
将NaN值替换为均值eanpeanpan(data)])panean
优点使用方便，可以直接进行数学运算。
缺点不同数据类型之间无法进行比较，可能会影响数据分析的准确性。
das库中的缺失值替换函数dasaaaa函数可以删除包含缺失值的行或列。具体操作如下
portdas as pd
创建一个包含缺失值的数据集ee, 9],ee, 7, 9]}e(data)
将缺失值替换为0a(0)
使用插值法进行缺失值替换terpolate()
删除包含缺失值的行a(axis=0)
删除包含缺失值的列a(axis=1)
优点可根据具体情况进行灵活处理，能够保留数据的完整性。
缺点处理复杂数据时可能需要进行多次操作，效率较低。
提供了多种处理异常值为空缺的方法，每种方法都有其适用的场景。在实际处理中，应根据具体情况选择合适的方法，以保证数据分析的准确性和效率。