Hello 大家好，我是一名新来的金融领域打工人，日常分享一些python知识，都是自己在学习生活中遇到的一些问题，分享给大家，希望对大家有一定的帮助！
在平时的数据分析当中，我们会经常遇到读入的数据存在空值的情况，面对庞大的数据量，我们不可能一个一个地去找空值，那么有没有比较方便的办法能够让我们快速找到DataFrame中的空值呢？答案是有的
下面我通过举例子来说明：
首先我们构建一个包含空值的DataFrame，代码如下：
import pandas as pd
import numpy as np
df = pd.DataFrame({
"身高":[170,171,167,189,np.nan],
"体重":[65,66,68,np.nan,np.nan],
"视力":[4.0,3.8,5.0,np.nan,np.nan]
})
让我们打印一下这个DataFrame，得到结果：
身高 体重 视力 0 170.0 65.0 4.0 1 171.0 66.0 3.8 2 167.0 68.0 5.0 3 189.0 NaN NaN 4 NaN NaN NaN
我们可以很明显地看到空值NaN的存在，下面我们通过几种方式来查看空值：
1.通过bool值结果来查看空值
df.isnull() # 或者 df.isna() #或者 np.isnan(df)
这两行代码的结果是一样的，我们基本可以说isnull()和isna()在使用中是等效的，得到的结果如下，其中False代表不是空值，True代表是空值：
身高 体重 视力 0 False False False 1 False False False 2 False False False 3 False True True 4 True True True
2.统计每一列空值的个数
df.isnull().sum() # 或者 df.isna().sum() # 或者 np.isnan(df).sum()
返回的结果是每一列空值的数量，结果如下，即身高列有1个空值，体重和视力列各有两个空值：
身高 1 体重 2 视力 2 dtype: int64
3.只统计一列的空值个数
如果你只想得到一列数据中的空值的数量，那么你可以通过以下的代码来实现：
df['身高'].isnull().sum() # 或者 df['身高'].isna().sum() # 或者 np.isnan(df['身高']).sum()
返回的结果如下，也就是说身高列有1个空值：
1
4.查看某列含有空值所在的整行
df[df['体重'].isnull()] # 或者 df[df['体重'].isna()] #或者 df[np.isnan(df['体重'])]
打印结果如下：
身高 体重 视力 3 189.0 NaN NaN 4 NaN NaN NaN
5.查看整个DataFrame中有空值的行
df[df.isnull().any(axis=1)] ##axis=1代表水平方向，axis=0代表竖向 # 或者 df[df.isna().any(axis=1)] #或者 df[np.isnan(df).any(axis=1)]
打印结果如下：
身高 体重 视力 3 189.0 NaN NaN 4 NaN NaN NaN
总结：在查看空值的时候有三种方法可以实现也就是isnull()、isna()以及np.isnan()，这三种方法可以说是等效的，大家可以结合不同的目的来选取自己喜欢的一种来使用就行！
今天的文章就分享到这里啦！
