一、空值isnaPands中NaN(Not-A-Number)视为空值，利用函数isna和notna进行判断。注意：不要利用是否等于None判断是否为空！importpandasaspdpd.NA==None#Falsepd.isna(pd.NA)#Truepd.isna(None)#Truepd.notna(pd.NA)#Falsepd.notna(None)#False二、

isna()函数用于检查DataFrame或Series中的每个元素是否为缺失值（NaN）。如果元素是缺失值，则返回True；否则返回False。下面是一个示例，说明如何使用isna()函数：importpandasaspdimportnumpyasnp#创建一个包含缺失值的DataFramedata={'A':[1,np.nan,3

示例一：将B列中的数据在A列中找出来，并用颜色标记1、选中A列中需要被标记的数据范围2、条件格式，新建规则，公式这里，被填充的数据是A2:A77，用VLOOKUP函数查找，将B列中的数据在A列中查出来，并标记=NOT(ISNA(VLOOKUP(A2,$C$2:$C$32,1,0)))注意，VLOOKUP函数中第一个参数是A2，在这里必须是

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

上一篇文章中，我们介绍了通过pandas读取数据到DataFrame中之后，对DataFrame中数据的操作方式，这篇文章我们继续来介绍：数据清洗。即：当读取的数据出现缺失或异常时，我们如何对缺失的数据进行预处理。1、缺失值是什么？当我们从数据文件（CSV、Excel等）或者其他数据源加载到DataFrame中时，往