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。

相关问题

Pandas中使用isnull).sum(可以统计缺失值。

是的，您说得对。Pandas中的isnull()函数用于检查DataFrame中的缺失值，并返回一个布尔类型的DataFrame，其中缺失值被标记为True，而非缺失值则为False。然后，您可以使用sum()函数来计算每个列中缺失值的数量。例如，以下代码将统计DataFrame df中每列的缺失值数量：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4], 'B': ['a', None, 'c', 'd'], 'C': [True, False, None, True]})
print(df.isnull().sum())

输出结果为：

A    1
B    1
C    1
dtype: int64

这表示列A、B和C中分别有1个缺失值。

检查是否有缺失值 df.isnull().sum(axis=0)

这段代码的意思是检查数据表df中每一列（axis=0表示按列）中缺失值的数量，isnull()函数返回一个由True和False组成的布尔型数据表，其中True表示缺失值，False表示非缺失值，sum()函数求和后返回每一列中缺失值的数量。如果输出结果中某一列的缺失值数量不为0，则说明该列存在缺失值。