pandas-向数据框中添加一系列会导致出现 NaN 值

使用 Pandas 添加一系列数据到数据框中时，有时会出现 NaN 值的情况。NaN 是一个特殊的值，表示缺失或不可用的数据。在数据分析和处理过程中，了解和处理 NaN 值是非常重要的。

python
import pandas as pd
data = {'姓名': ['张三', '李四', '王五'],
        '年龄': [20, 25, 30],
        '性别': ['男', '女', '男']}
df = pd.DataFrame(data)
print(df)

   姓名  年龄 性别
0  张三  20  男
1  李四  25  女
2  王五  30  男

python
df['成绩'] = [80, 90, 85]
print(df)

   姓名  年龄 性别  成绩
0  张三  20  男  80
1  李四  25  女  90
2  王五  30  男  85

python
new_data = {'姓名': '赵六',
            '年龄': 35,
            '性别': '女',
            '成绩': 95}
new_row = pd.DataFrame(new_data, index=[3])
df = pd.concat([df, new_row])
print(df)

   姓名  年龄 性别  成绩
0  张三  20  男  80
1  李四  25  女  90
2  王五  30  男  85
3  赵六  35  女  95

python
df.dropna(axis=0)  # 删除包含 NaN 值的行
df.dropna(axis=1)  # 删除包含 NaN 值的列

python
df.fillna(0)  # 使用 0 填充 NaN 值
df.fillna(df.mean())  # 使用平均值填充 NaN 值

python
df.interpolate()  # 使用插值方法填充 NaN 值