数据清洗--缺失值与重复值的处理
1.df.info()查看是否有缺失值：
2.df.isnull和df.notnull判断缺失值：
3.df.dropan()删除缺失值：
4.删除课程总数量为空的行：
5.将为NaN的值指定填充为0：
6.去除全部的重复值：
7.去除指定列的重复数据行：
8.直接删除数据生成新的副本，不修改原数据：
2.df.isnull和df.notnull判断缺失值：
3.df.dropan()删除缺失值：
4.删除课程总数量为空的行：
5.将为NaN的值指定填充为0：
6.去除全部的重复值：
7.去除指定列的重复数据行：
8.直接删除数据生成新的副本，不修改原数据：
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· winform 绘制太阳，地球，月球 运作规律
· 超详细：普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 上周热点回顾（3.3-3.9）
· TypeScript + Deepseek 打造卜卦网站：技术与玄学的结合
· AI 智能体引爆开源社区「GitHub 热点速览」