Python pandas中缺失值的种类(None、NA、NaN)及删除方式

python缺失值有3种：

1）Python内置的None值。None，使用df['date'].isnull()进行判断是否为空值。

2）在pandas中，将缺失值表示为NA，表示不可用not available。

3）对于数值数据，pandas使用浮点值NaN（Not a Number）表示缺失数据。

所以，缺失值有3种：None，NA，NaN

pandas中的dataframe对象，删除缺失值的方式：

df.dropna(how='all')#删除所有内容均为缺失值的行
df.dropna(axis=1) #丢弃有缺失值的列
df.dropna(axis=1, how = 'all') #丢弃所有列中所有值均缺失的列
df.dropna(axis=0, subset=['name', 'age'])#丢弃name和age这两列中有缺失值的行