Python是目前最流行最简单用途最广泛的编程语言，大数据时代最应该学习的一门编程语言。其中，数据分析的库pandas是Python最经典的库之一。现在我们看一下DataFrame的缺失值如何判断和处理。工具/原料morepythonanaconda，spyderDataFrame，Series方法/步骤1/6分步阅读

前提：加载numpy、pandas、和Series,DataFrame。

生成一个含有缺失值的Series，命名为s1，如图

2/6

缺失值的判断方法。

s1.isnull()和s1.notnull()分别是判断元素是缺失值或者不是缺失值，刚好是相反的功能，如图

3/6

Series缺失值的删除。

s1.dropna()为删除s1的缺失值后的数据，s1则为取出s1中不是缺失值的数据，从2个方面得到的结果一样，也就是所谓的条条道路通罗马，如图

4/6

为了看看DataFrame是如何删除缺失值的，新生成一个df2，如图

5/6

df2.dropna()默认删除了含有缺失值的所有行，如果我们只需要把某一行所有数据为缺失值的才删除，那么需要用how=‘all’进行限制，如df2.dropna(how=all)，操作如图

6/6

如果要删除DataFrame的缺失值所在的列，那么只需加上axis=1即可，如图

注意事项

np.nan和None均是指缺失值的意思，效果等价

dropna使用how来判断删除包含或者全部为缺失值的情况

isnull和notnull效果相反

缺失值删除缺失值DROPNAISNULLNOTNULL