删除过后的样子：
### 2、删除已用代表空值的’NA’替换过的数据
这个时候就需要写一个循环来删除数据所在行或者列（这里删的是列）
删除前先看一下数据
开始写循环
for i in detail1.columns:
遍历数据行
for j in range(len(detail1)):
判断数据，如果在i行j列的数据为'NA'时
if detail1.loc[j,i] == 'NA':
查看具体那一列被删除了
print("正在删除%s列" % i)
调用drop函数删除空值所在列
detail1.drop(labels = i ,axis=1,inplace=True)
当执行删除后需立即跳出该循环，否者会报错，出现找不到该列。
break
最后看一下删除空值列后的表
detail1
输出结果：
可以看到此时已经没有值为空的列了。
## 二、去重
调用去重函数pd.drop\_duplicates()
应用：
首先创建一个DataFrame
(通过传递可以转换为类似系列的对象的字典来创建DataFrame)
import pandas as pd import numpy as np dates = pd.date_range('20170101', periods=4) datas = pd.DataFrame({ 'A' : range(1,5), 'B' : dates, #以年月日的方式创建一列数据 'C' : pd.Series(range(6,10),index=list(range(4)),dtype='float32'), #以序列的形式创建一列数据 'D' : pd.Categorical(['test','train','test','train']), }) print(datas)
可以看到在D列有重复的数据test和train
先试试对某一列去重（这里是D列）
对某一列去重
datas.drop_duplicates(['D'])
结果
有时我们所得到的数据不只是一列重复还可能是多列，再试试对多列去重。
对多列一起去重
datas.drop_duplicates(['A','B','C','D']) # 我们可以看到没有变化因为没有完全一样的一行
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上物联网嵌入式知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、电子书籍、讲解视频，并且后续会持续更新
