我正在阅读大量CSV文件（随时间变化的水位测量数据），以便对其进行各种分析和可视化
由于我无法控制的各种原因，这些时间序列经常缺少数据，因此我做了两件事：
我把它们加在一起算
Rlength=len（RainD）#计算一切，包括NaN
Rcount=RainD.count（）#只计算有效数字
NaN_编号=Rlength-Rcount
如果丢失的数据超过某个阈值，则丢弃数据集：
百分比数据=Rlength/100
百分之五=百分之五数据*5
如果NaN_编号>；百分之五：
...
如果NaN的数量足够少，我想用
RainD.level=RainD.level.fillna（方法='pad'，限值=2）
现在来看这个问题：这是每月的数据，所以如果我有两个以上连续的NAN，我也想丢弃数据，因为这意味着我；猜测；整整一季，甚至更多
fillna的文档并没有真正提到当连续的NAN多于我指定的limit=2时会发生什么，但是当我查看RainD.descripe（）前后的…fillna…并将其与基本CSV进行比较时，很明显它填充了前两个NAN，然后让其余的保持原样，而不是出错
长话短说：
如何在没有复杂且耗时的非熊猫循环的情况下，识别多个连续的熊猫NAN？
您可以使用多个布尔条件来测试当前值和以前的值是否为NaN：
[3]on
：
df=pd.DataFrame（{'a'：[1,3，np.NaN，np.NaN，4，np.NaN，6,7,8]}）
df
Output[3]：
A.
0 1
1 3
2楠
3南
4 4
5南
6 6
7 7
8 8
At[6]on：
df[（df.a.isnull（））和（df.a.shift（）.isnull（））]
Output[6]：
A.
3南
如果要查找连续的nan出现在查找2个以上的位置，可以执行以下操作：
[38]on
：
df=pd.DataFrame（{'a'：[1,2，np.NaN，np.NaN，np.NaN，6,7,8,9,10，np.NaN，np.NaN，13,14]}）
df
Output[38]：
A.
0 1
1 2
2楠
3南
4楠
5 6
6 7
7 8
8 9
9 10
10南
11南
12 13
13 14
At[41]on：
df.a.isnull（）.astype（int）.groupby（df.a.notnull（）.astype（int）.cumsum（））.sum（）
Output[41]：
A.
1 0
2 3
3 0
4 0
5 0
6 0
7 2
8 0
9 0
名称：a，数据类型：int32