利用isnull检测缺失值，Series中的None值处理，利用isnull().sum()统计缺失值，用info方法查看DataFrame的缺失值，Series的dropna用法

在Pandas中，对于Series对象，`isnull()`函数可以用来识别值是否等于`NaN`（即None）。对于含有None值的情况，`isnull()`会将其视为缺失值。

例如：

ser = pd.Series([1, None, 3, np.nan])
is_null_ser = ser.isnull()
print(is_null_ser)  # 输出：[False  True False  True]

`isnull().sum()`能用来计算某个序列有多少个缺失值：

sum_of_nans = is_null_ser.sum()
print(sum_of_nans)  # 输出：2

`pd.DataFrame.info()`函数则可以查看DataFrame的总体信息，包括每列的非空数据（即非缺失值）数量：

df = pd.DataFrame({'A': [1, None, 3], 'B': [4, np.nan, 6]})
df.info()  

输出会有每个列名及其非空值的数量。

如果需要移除Series中的缺失值，可以使用`dropna()`方法：

ser_cleaned = ser.dropna()  # 删除所有缺失值
or
ser_filled = ser.fillna(value=0)  # 将缺失值替换为指定的值，这里是0

`dropna()`方法还有多种参数可以选择，比如只删除某一列的缺失值，或者保留某些特定条件下的行等。