在Python中，缺失值通常使用 `np.nan`（NumPy库中的缺失值表示）或 `pd.NA`（Pandas库中的缺失值表示）来表示。在Pandas中，`None` 也可以用来表示缺失值，尤其是在处理对象类型数据时。
1. 使用 `np.nan` 表示缺失值：
```python
import numpy as np
import pandas as pd
data = {
'A': [1, 2, np.nan, 4],
'B': [5, np.nan, np.nan, 8]
}
df = pd.DataFrame（data）
print（df）
2. 使用 `pd.NA` 表示缺失值：```pythonimport pandas as pd
创建一个包含缺失值的DataFrame
data = {
'A': [1, 2, pd.NA, 4],
'B': [5, pd.NA, pd.NA, 8]
}
df = pd.DataFrame（data）
print（df）
3. 使用 `None` 表示缺失值：
```python
import pandas as pd
创建一个包含缺失值的DataFrame
data = {
'A': [1, 2, None, 4],
'B': [5, None, None, 8]
}
df = pd.DataFrame（data）
print（df）
在处理缺失值时，可以使用Pandas提供的函数，如 `isnull（）`、`notnull（）`、`dropna（）` 和 `fillna（）`，来识别、删除或填充缺失值。例如，要删除包含缺失值的行，可以使用 `dropna（）` 函数：```python删除包含任何缺失值的行
df_cleaned = df.dropna（）
print（df_cleaned）
要填充缺失值，可以使用 `fillna（）` 函数：
```python
用特定值填充缺失值
df_filled = df.fillna（0）
print（df_filled）
希望这些信息对你有帮助!