对于空值的解决，最先要来了解一下空值的类型：
(1) 、pandas中的None 和 NaN 有什么不同？
type(None) --类型是 NoneType 空的目标类型
type(NaN) --类型是 float 浮点型
留意：Pandas中None 和 NaN 都看作np.nan
(2) 、Pandas 的空值实际操作
isnull() 分辨null ，返回True/False 的数组 notnull() 空值分辨 dropna() 过虑空值数据信息 fillna() 添充遗失数据信息
- 应用pandas过虑空值：
df.isnull().any(axis = 1)
# 分析： any后轴向：axis = 0 表明列 axis = 1 表明行
# 新涵数： all(axis = 0) 全部数据信息
any(axis = 0) 一切一个
# df.isnull()表明返回一组True/False 的数组 ，any(axis = 1)表明横着分辨行，一行中任意一个为true就这行就返回 True, 最终返回一维数组
# 最后返回結果以下：
1 False
2 True
3 False
4 False
5 True
# 拓展： df.isnull().all(axis = 1) 一行中任意一个为False就这行就返回 False, 最终返回一维数组
notnull() 的操作方法和isnull()恰好反过来：
df.notnull().all(axis = 1)
# 一行中任意一个为False就这行就返回 False, 最终返回一维数组
# 最后返回結果以下：
1 True
2 False
3 True
4 True
5 False
# 小结： 固定搭配以下：
isnull() --> any()
notnull() -->all()
最终过虑掉有空值的行
df.iloc[df.notnull().all(axis = 1)]
- df.dropna() 过虑空数据信息所属的行或列 (可立即过虑)
df.dropna() 能够挑选过虑的是行還是列 ，默认设置是行 ，dropna中axis=0 表明行; axis=1 表明列
df.dropna(axis=0) #相当于上边过虑方法，封裝了上边实际操作
- fillna() 添充遗失/空值数据信息
fillna中 axis=0 表明列；axis=1 表明行
可挑选往前或向后添充：
- method ='bfill' 向后遮盖(空值取前一个)；
- method ='ffill' 往前遮盖(空值取后一个)；
df.fillna(value =5555) #添充df 中全部空值数据信息 df.fillna(method ='bfill',axis=0) # 列里的空值取列里空值取前一个添充
- drop 删掉数据信息
drop 中 axis=0 表明行 ，axis=1 表明列
删掉没用的列 ，列数据库索引：'name','name1'；inplace主要参数指是不是取代原先的df
data.drop(labels=['name','name1'],axis = 1,inplace=True)
删掉没用的行，行数据库索引：'跌涨'
df.drop(['跌涨'], axis=0, inplace=True)
（3）Pandas 删掉空值行数据信息、更换空值实例编码：
import pandas as pd
from pandas import Series,DataFram
import numpy as np
# 获取数据信息
data = pd.read_excel('./数据测试.excel')
# 删掉没用的列，列数据库索引：'name','name1'
data.drop(labels=['name','name1'],axis = 1,inplace=True)
# 删掉空数据信息所属的行
data.dropna(axis=0)
# 遮盖
v_1 = data.fillna(method='ffill',axis=0) .fillna(method='bfill',axis=0)
# 检验v_1中是不是有空值
v_1.isnull().any(axis = 0) #一般检验列里是不是有空值 ，由于个数过多
