Pandas处理缺失值

Pandas基本上把None和NaN看成是可以等价交换的缺失值形式。为了完成这种交换过程，Pandas提供了一些方法来发现、剔除、替换数据结构中的缺失值，主要包括isnull()、notnull()、dropna()、fillna()。

1、isnull（）

        创建一个布尔类型的掩码标签缺失值，是发现缺失值的一种。返回布尔类型的掩码数据，布尔类型掩码数组可以直接作为Series或DataFrame的索引使用。

#代码
import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 'hello', None])

data.isnull()

#结果
data
0        1
1      NaN
2    hello
3     None
dtype: object

data.isnull()
0    False
1     True
2    False
3     True
dtype: bool

2、notnull（）

        与isnull()操作相反，是发现缺失值的一种。返回布尔类型的掩码数据，布尔类型掩码数组可以直接作为Series或DataFrame的索引使用。

#代码
import pandas as pd
import numpy as np

data = pd.Series([1, np.nan, 'hello', None])
data.notnull()

#结果
0     True
1    False
2     True
3    False
dtype: bool

#代码
import pandas as pd
import numpy as np

data