使用Python进行数据分析（10）Pandas基础：使用Python处理数据分析（10）Pandas基础：处理缺失数据分析时常见数据中数据不完整.pandas使用浮点值NaN来表示浮点和非浮点数组中的缺失数据。Pandas使用isnull()和notnull()函数来确定缺失条件。缺失数据的一般处理方法是过滤或填充。过滤掉缺失的数据：dropna()函数对于一个Series，dropna()函数返回一个包含非空数据和索引值的Series，例如：对于DataFrame，dropna()函数也会丢弃所有包含空元素的数据，例如：但是可以指定how='all'，表示只有当该行的数据全部为空时，才会丢弃。例如：如果想按列一样丢弃，可以传入axis=1，例如：fillmissingdata:fillna()function如果不想丢弃缺失数据，但又想填补这些空缺使用默认值，可以使用fillna()函数：如果不想只填充一个标量，可以传入一个字典，为不同的列填充不同的值：
