DataFrame的缺失数据判断和处理（1）

1、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、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、Series缺失值的删除。s1.dropna()为删除s1的缺失值后的数倌栗受绽据，s1[s1.notnull()]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、为了看看DataFrame是如何删除缺失值的，新生成一个df2，如图

5、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’进行覆诈端螽限制，如df2.dropna(how='all')，操作如图

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