用法及解释如下所示

import pandas as pd
from pymongo import MongoClient
import numpy as np
#读取csv文件
# h=pd.read_csv("C:/Users/lenovo/Desktop/en.csv")
# print(h)#pands读取mongodb
client=MongoClient()
collection=client["user"]["user"]
data=collection.find({},{"age":1,"name":1})data2=collection.find()
#print(list(data))
t1=pd.DataFrame(data2)#dateframe 排序
#print(t1.sort_values(by="age",ascending=False))#降序
t2=t1.sort_values(by="age",ascending=False)#dateframe 取行或列
#写数组 表示取行
#写字符 表示取列
#print(t2[:3])#取前三行
#print(t2["name"])#取name列#dataframe 切片
#loc取的是标签名
#取行标签为2和1，列标签为name和age
#print(t2.loc[[2,1],["name","age"]])
#取行标签为2，列标签为name
#print(t2.loc[2,"name"])#iloc取的是第几行 第几列
#print(t2.iloc[[1,0],[2,1]])#可以直接赋值为NaN
# t2.iloc[1,2]=np.NaN
# print(t2)#布尔索引，条件可以用&或|隔开
#print(t2[(t2["age"]>22)&(t2["age"]<24)])#输出是为NaN
#print(t2.isnull())
#输出不为NaN
#print(t2.notnull())#输出age不为0的行
#print(t2[pd.notnull(t2["age"])])#处理缺失数据的两种方法
#1 删除NaN所在的行或列(axis为0代表行，为1代表列，how为any是有NaN即删除，how为all是该行或列全为NaN才删除
# inplace为True代表在原来的基础上进行修改。为Flase代表在修改后生成一个新的)
#print(t2.dropna(axis=0,how="any",inplace=True))#2 填充数据
#print(t2.fillna(22))#把NaN填充为22
print(t2["age"].fillna(t2["age"].mean()))#把t2年龄这一列为NaN的替换为该列的平均值（注意：mean方法在计算时不会把NaN计算在内）