扫码加入数据分析学习群

由于数据有许多形状和形式，因此pandas的目标是在处理缺失数据时保持灵活性。虽然NaN是计算速度和便利性的默认缺失值标记，但我们需要能够使用不同类型的数据轻松检测此值：浮点，整数，布尔值和一般对象。然而，在许多情况下，Python中的None会出现，我们也希望考虑“丢失”或“不可用”或“不适用。

如果在计算中考虑inf并且-inf是“NA”，你可以设置。pandas.options.mode.use_inf_as_na=True。

pandas提供isna（）和notna()功能，这也是对系列的方法和数据帧的对象：

In [7]: df2['one']
Out[7]: 
a   -0.166778
b         NaN
c   -0.337890
d         NaN
e    0.057802
f   -0.443160
g         NaN
h   -0.717852
Name: one, dtype: float64

In [8]: pd.isna(df2['one'])
Out[8]: 
a    False
b     True
c    False
d     True
e    False
f    False
g     True
h    False
Name: one, dtype: bool

In [9]: df2['four'].notna()
Out[9]: 
a     True
b    False
c     True
d    False
e     True
f     True
g    False
h     True
Name: four, dtype: bool

In [10]: df2.isna()
Out[10]: 
     one    two  three   four   five
a  False  False  False  False  False
b   True   True   True   True   True
c  False  False  False  False  False
d   True   True   True   True   True
e  False  False  False  False  False
f  False  False  False  False  False
g   True   True   True   True   True
h  False  False  False  False  False