[TOC] ***** pandas使用numpy.nan来代表缺失值。缺失值不代表没有值，它本身就是某种类型的值。PYTHON中一般用None代表没有值，这与nan是两回事。缺失值不会被程序计算。处理的方式： 1. 删除含有缺失值的行 2. 填充缺失值  ### 1.4.1. 检测缺失值，返回布尔值 有几种方式检测数据值是否为空或缺失 ``` pd.isnull(a) ```      判断数据框中的每个数据是否为空  ### 1.4.2. 删除与填充 对于missing value可以删除行或填充缺失值 ``` #根据二维数组构建dataFrame,用list('ABCD')构建四个列 df_test = pd.DataFrame([[np.nan, 2, np.nan, 0], [3, 4, np.nan, 1], [np.nan, np.nan, np.nan, 5]], columns=list('ABCD')) ```  ``` axis=0按行删除，行里有nan类型数据就删除整行 df_test.dropna(axis = 0) ```  任意一列有nan值，删除整列  #如果某列上的值全是nan,则删除该列 df_test.dropna(axis = 1,how = "all")  #按行删除，每行与b列相交的数据值为nan，则删除该行 df_test.dropna(axis = 0,subset=['B']) **填充缺失值** df.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)  * backfill:根据后面的值填充缺失值 * bfill根据前面的值填充缺失值 现在有例子:  a.fillna(value=10)  ***** 用后面的值填充 backfill/bfill  ***** 用前面一个最近的有效值填充 pad/ffill  ***** 将birth_city和birth_state两列的缺失值替换为other和something df.fillna({"birth_city":"other","birth_state":"something"})  ### 1.4.3. Missing value的计算  **注意** nan之间不能比较 ***** a是series，nan+3仍然是nan  nan不参与任何数学计算，求和 求平均数都不参与