在 numpy 中，isnan() 是用来检测数值是否为 NaN 的函数¹。除了 isnan()，numpy 还提供了其他一些函数来处理特殊的数值，例如 isinf() 用来检测数值是否为无穷大，isfinite() 用来检测数值是否为有限数⁶。
然而，如果你想要检测的不仅仅是 NaN，还包括其他类型的缺失值，例如 None 或者空字符串，那么你可能需要使用 pandas 的 isna() 函数³⁵。isna() 函数在检查 pandas 数据时会处理各种类型的缺失值标记，如 np.nan、None、NA、空字符串等³⁵。
此外，还有一种 is np.nan 的方法，但这种方法并不推荐使用²。因为 is np.nan 只能判断由 numpy 模块生成的 nan 值，而不能判断由 math 模块生成的 nan 值²。
总的来说，numpy.isnan()、pandas.isna() 和 is np.nan 都可以用来检测缺失值，
在 pandas 中，isna() 和 isnull() 这两个函数的功能是完全一样的，它们都是用来检测数据中是否存在缺失值¹²⁴。这两个函数的存在主要是为了方便用户的使用，你可以根据自己的习惯选择使用哪一个⁴。
这种设计源于 pandas 的历史原因。pandas 的 DataFrame 是基于 R 语言的 DataFrame¹²。在 R 语言中，na 和 null 是两种不同的概念¹²。然而，在 python 中，pandas 是构建在 numpy 之上的，而 numpy 中只有 NaN（表示“Not a Number”），并没有 na 或 null¹²。因此，pandas 也沿用了 NaN¹²。
总的来说，无论你选择使用 isna() 还是 isnull()，它们都能正确地帮你检测数据中的缺失值