题解 | 牛客网用户没有补全的信息

import sys

for line in sys.stdin:
    a = line.split()
    print(int(a[0]) + int(a[1]))

import pandas as pd

Nowcoder = pd.read_csv("Nowcoder.csv", dtype=object)

# 题目是输出该数据集每列信息是否有为空值的
# 判断数据集是否有空值，用 isnull() / isna()
# 但是 Nowcoder.isnull() 返回的是整个数据集中每一个数据是否有空值
# any() 函数：返回是否至少有一个元素为真，即是否至少有一个空值
# all() 函数：返回是否所有元素为真，即是否所有数据为空值
# axis=1或0：1～表示横轴，方向从左到右；0～表示纵轴，方向从上到下
print(Nowcoder.isnull().any(axis=0))
# print(Nowcoder.isnull().any())
# print(Nowcoder.isna().any(axis=0))
# print(Nowcoder.isna().any())



### === 拓展 ===
# isnull() 和 isna() 完全等价
# Pandas 为了兼容不同数据分析背景的用户提供了两个别名。
# SQL 用户更熟悉 NULL，R 用户更熟悉 NA

# notnull() 和 notna() 是它们的反函数，用于检测非缺失值
# notnull() 和 notna() 完全等价

# isnull() 和 isna() 可以检测数据中的缺失值，返回布尔掩码
# 缺失值包括 NaN（数值缺失）、None（对象缺失）、 NaT（时间缺失）

# 过滤缺失值
# data = pd.Series([1, np.nan, 3, None])
# filtered = data[data.notnull()]
# print(filtered)

# 填充缺失值
# data.fillna(0)  # 将 NaN/None/NaT 替换为 0

# 删除缺失值
# data.dropna()  # 删除包含缺失值的行或列



### ===其他对表格内容判定的示例===
# 检查是否存在缺失值
# print(data.isna().any(axis=0))  # 搭配isna()方法

# 检查是否存在大于0的值
# print((data > 0).any(axis=0))  # 搭配比较操作符

# 检查是否存在非缺失值
# print(data.notna().any(axis=0))  # 搭配notna()方法

# 自定义的布尔值操作
# def has_positive_sum(series):
#     return (series > 0).sum() > 0
# print(data.apply(has_positive_sum, axis=0))  # 自定义操作