在Python中，您可以使用Pandas库来处理包含NaN值的数据。以下是删除包含NaN值的行或列的几种方法：
1. 使用`dropna（）`函数删除包含NaN值的行或列：
import pandas as pd创建一个包含NaN的数据帧df = pd.DataFrame（{'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8]}）删除包含NaN值的行df_cleaned = df.dropna（）
2. 使用`fillna（）`函数用指定的值替换DataFrame中的NaN：
用0替换NaN值df_filled = df.fillna（0）
3. 使用`notnull（）`函数结合布尔索引过滤掉包含NaN值的行：
过滤掉包含NaN值的行df_filtered = df[df.notnull（）.all（axis=1）]
4. 使用`dropna（subset=['column_name']）`函数删除指定列中包含NaN值的行：
删除'NRT_TPE_interpolated'列中包含NaN值的行df_cleaned = df.dropna（subset=['NRT_TPE_interpolated']）
5. 使用列表推导式结合`notna（）`函数过滤掉包含NaN值的行：
假设arr是一个包含NaN值的数组arr = [1, 2, np.nan, 4]过滤掉包含NaN值的元素new_arr = [x for x in arr if pd.notna（x）]
以上方法可以帮助您清理包含NaN值的数据，以便进行进一步的数据分析和建模。