在Python中，处理数据时经常需要筛选出包含空值的行或列。以下是使用Pandas库进行空值筛选的一些方法：
isnull（） 和 isna（）
这两个函数功能相同，用于检测数据中的空值。它们返回一个布尔数据框，显示每个位置是否为空值。
import pandas as pd创建一个示例数据集data = {'A': [1, 2, 3, None],'B': [None, 5, 6, 7],'C': [9, 10, None, 12]}df = pd.DataFrame（data）使用 isnull（） 检测空值null_values = df.isnull（）print（null_values）
notnull（）
与isnull（）和isna（）相反，notnull（）用于检测非空值。
使用 notnull（） 检测非空值not_null_values = df.notnull（）print（not_null_values）
dropna（）
用于删除包含空值的行或列。
删除包含空值的行df_cleaned = df.dropna（）print（df_cleaned）删除包含空值的列df_cleaned = df.dropna（axis=1）print（df_cleaned）
fillna（）
用于填充空值。
用特定值填充空值df_filled = df.fillna（0）print（df_filled）
info（）
提供数据框的概要信息，包括空值的数量和类型。
获取数据框信息df.info（）
筛选特定列的空值
筛选'A'列或'B'列为空值的行filtered_df = df[df['A'].isnull（） | df['B'].isnull（）]print（filtered_df）
使用.any（）方法
当需要判断整个数据框或系列中是否存在空值时，可以使用.any（）方法。
判断整个数据框中是否存在空值if df.isnull（）.any（）.any（）:print（"存在空值"）
以上方法可以帮助你在处理数据时有效地筛选出包含空值的行或列。需要注意的是，Pandas中的空值通常表示为`NaN`（Not a Number），而Python中的`None`、空字符串`""`、布尔值`False`以及数字0通常不被视为空值。