1、创建一个字典，将字典转化为DataFrame，利用isnull函数检测其每一行和每一列的缺失情况。（字典的key字段为分别为：Name、Age、City、Score，对应的value可随便指定，但要有空缺值的存在）

首先，我们可以创建一个Python字典，其中包含四个键-value对，包括一些空值（None 或 NaN）。然后我们将这个字典转换成pandas DataFrame，以便进一步操作。

import pandas as pd

# 创建一个字典，包含姓名、年龄、城市和分数，部分值设为空值
data_dict = {
    'Name': ['Alice', None, 'Bob', 'Charlie'],
    'Age': [25, 30, None, 35],
    'City': ['New York', 'Los Angeles', 'Chicago', 'San Francisco'],
    'Score': [85, 90, 78, None]
}

# 将字典转换为DataFrame
df = pd.DataFrame(data_dict)

# 检查每一行和每一列的缺失情况
# isnull() 函数会返回布尔值矩阵，True表示缺失，False表示非缺失
row_missing = df.isnull().sum(axis=1)  # 沿着行方向检查，axis=1表示行
col_missing = df.isnull().sum(axis=0)  # 沿着列方向检查，axis=0表示列

print("Row-wise missing values:")
print(row_missing)
print("\nColumn-wise missing values:")
print(col_missing)

运行这段代码后，你会看到每行和每列缺失值的数量。如果需要进一步处理缺失数据，可以使用`dropna()`方法删除含有缺失值的行或列，或者使用填充策略（如`fillna()`）来代替缺失值。