python中如何取返操作，仅保留缺失值？

### 回答1：
在 Python 中，可以使用 Pandas 库来完成这个操作。首先需要导入 Pandas 库，然后读取数据，使用 `DataFrame.isna()` 方法来找到缺失值，最后使用索引来保留缺失值。
示例代码如下:

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 找到缺失值
missing_values = df.isna()

# 保留缺失值
df_missing = df[missing_values]

在这个例子中，我们读取了名为 'data.csv' 的数据文件并将其存储在变量 'df' 中，然后使用 'isna()' 方法找到缺失值，最后使用索引来保留缺失值。

### 回答2：
在Python中，可以使用isnull和notnull函数来判断数据中是否存在缺失值。isnull函数会返回一个与数据相同的布尔型DataFrame，其中缺失值对应的位置为True，非缺失值对应的位置为False。notnull函数则相反，返回与数据相同的布尔型DataFrame，其中非缺失值对应的位置为True，缺失值对应的位置为False。

下面是一个简单的示例：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的DataFrame
data = {'A': [1, 2, np.nan, 4],
        'B': [np.nan, 2, 3, np.nan],
        'C': [1, 2, 3, 4]}
df = pd.DataFrame(data)

# 仅保留缺失值
missing_values = df[df.isnull()]
print(missing_values)

运行结果为：

    A   B    C
0 NaN NaN  NaN
3  4 NaN  NaN

通过使用isnull函数，我们将DataFrame中所有缺失值对应的位置选出来并保留，得到一个新的DataFrame missing_values，它只包含缺失值。

当然，根据具体的需求，还可以使用notnull函数来取反操作，仅保留非缺失值。只需要将代码中的df.isnull()替换为df.notnull()即可。

### 回答3：
在Python中，可以使用pandas库来处理缺失值。pandas库提供了很多内置函数来处理数据中的缺失值，其中之一是fillna()函数。

要仅保留缺失值，可以将原始数据中的非缺失值替换为NaN（Not a Number），然后使用fillna()函数将这些NaN值保留下来。

首先，我们需要导入pandas库并加载数据：

import pandas as pd

# 加载数据
data = pd.read_csv('data.csv')

接下来，我们可以使用replace()函数将数据中的非缺失值替换为NaN：

# 将非缺失值替换为NaN
data.replace(to_replace=[1, 2, 3], value=float('NaN'), inplace=True)

在上述代码中，to_replace参数用于指定被替换的值，value参数用于指定替换后的值，这里我们将1、2和3替换为NaN（使用float('NaN')来表示NaN）。inplace参数用于指示是否原地替换，如果设置为True，则在原始数据上进行替换。

最后，我们可以使用fillna()函数来保留缺失值：

# 仅保留缺失值
data.fillna(inplace=True)

以上代码中的inplace参数同样用于指示是否原地替换。

这样，我们就可以通过在Python中使用pandas库的fillna()函数来取返操作，仅保留缺失值。