Pandas.DataFrame isna()方法和isnull

在对数据进行清洗的时候，一般都需要处理数据集中的空值。首先需要查看各列是否存在空值，然后就可以使用 .fillna() 来填补空值或者用.dropna()来丢弃数据表中包含空值的某些行或者列。

对于查看各列是否存在空值，有两种方法：Pandas.DataFrame isna()和isnull()。事实上，这两种方法并没有什么区别，他们做的是相同的事情。在R语言中，na和null是两种不同的东西：

NULL represents the null object in R: it is a reserved word.
NULL is often returned by expressions and functions whose values are
undefined.

NA is a logical constant of length 1 which contains a missing
value indicator. NA can be freely coerced to any other vector
type except raw. There are also constants NA_integer_,
NA_real_, NA_complex_ and NA_character_ of the other atomic
vector types which support missing values: all of these are
reserved words in the R language.

然而，在python中，pandas是构建在numpy之上的。在numpy中，既没有na也没有null，而只有NaN (意思是“Not a Number”)，因此，pandas也沿用NaN值。

简单的说：

• numpy用isnan()检查是否存在NaN。
• pandas用.isna()或者.isnull()检查是否存在NaN。
  存在着两种方法，只是因为pandas对R的模仿。

原文来自：
https://datascience.stackexchange.com/questions/37878/difference-between-isna-and-isnull-in-pandas