前言：

python的pandas库中有⼀个⼗分便利的isnull()函数，它可以⽤来判断缺失值，我们通过⼏个例⼦学习它的使⽤⽅法。
⾸先我们创建⼀个dataframe,其中有⼀些数据为缺失值。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(10,99,size=(10,5)))
df.iloc[4:6,0] = np.nan
df.iloc[5:7,2] = np.nan
df.iloc[7,3] = np.nan
df.iloc[2:3,4] = np.nan

得到的结果如下所⽰：

也可以通过pycharm的ScivView查看：

我们先来运⾏一下isnull()看会出现什么结果：

print(df.isnull())

运行结果如下所示：

总结：isnull()返回了布尔值，若该处为缺失值，返回True，若该处不为缺失值，则返回False

直接使⽤isnull()并不能很直观的反应缺失值的信息。 我们再调⽤其他命令进⾏尝试。
df.isnull().any()

# 会判断哪些列包含缺失值，该列存在缺失值则返回True，反之False。
print(df.isnull().any())

运行结果如下所示：

总结：isnull().any()会判断哪些列包含缺失值，该列存在缺失值则返回True，反之False。

再来看一个例子：

使用isnull().sum()它直接告诉我们每列缺失值的个数。

# isnull().sum()就更加直观了，它直接告诉了我们每列缺失值的个数。
print(df.isnull().sum())

运行结果如下所示：

我来解释一下上面图片：

• 第0列有2个值为NAN（Not A Number）
• 第1列有1个值为NAN
• 第2列有2个值为NAN
• 第3列有1个值为NAN
• 第4列有1个值为NAN

我们再细心看看这个图。是不是和我们isnull().sum()的结果一模一样？