[TOC] ***** pandas使用numpy.nan來代表缺失值。缺失值不代表沒有值，它本身就是某種類型的值。PYTHON中一般用None代表沒有值，這與nan是兩回事。缺失值不會被程序計算。處理的方式： 1. 刪除含有缺失值的行 2. 填充缺失值  ### 1.4.1. 檢測缺失值，返回布爾值 有幾種方式檢測數據值是否為空或缺失 ``` pd.isnull(a) ```      判斷數據框中的每個數據是否為空  ### 1.4.2. 刪除與填充 對于missing value可以刪除行或填充缺失值 ``` #根據二維數組構建dataFrame,用list('ABCD')構建四個列 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按行刪除，行里有nan類型數據就刪除整行 df_test.dropna(axis = 0) ```  任意一列有nan值，刪除整列  #如果某列上的值全是nan,則刪除該列 df_test.dropna(axis = 1,how = "all")  #按行刪除，每行與b列相交的數據值為nan，則刪除該行 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:根據后面的值填充缺失值 * bfill根據前面的值填充缺失值 現在有例子:  a.fillna(value=10)  ***** 用后面的值填充 backfill/bfill  ***** 用前面一個最近的有效值填充 pad/ffill  ***** 將birth_city和birth_state兩列的缺失值替換為other和something df.fillna({"birth_city":"other","birth_state":"something"})  ### 1.4.3. Missing value的計算  **注意** nan之間不能比較 ***** a是series，nan+3仍然是nan  nan不參與任何數學計算，求和 求平均數都不參與