代码如下所示：
df=pd.DataFrame(np.random.randn(5,5),columns=list('abcde'))
df['g']=np.nan
df['h']=np.nan
df.ix[0,'g']=10
print(df.isnull())
print(df.isnull().values)#去掉values其结果也是一样的，返回类型为series
print(df.values[df.isnull().values==True])#true可以去掉
print(df[df.isnull().values==True])#可以去掉
结果输出：
结论：np.array格式与df格式对布尔型的索引的处理方式完全不同，np.array格式直接将true位置上的元素返回，并返回一个list类型；而df对每一个true索引都会返回一行，如果一行有多个true，则会将该行返回多次，最终返回一个dataframe，最终结果就容易出现很多完全重复的行；总的来讲，有多少个True就会返回多少行；本人推测df的机制就这样的：每一行的布尔索引会一个一个的去检查，如果出现true，返回该行，所以该行有多少个true就返回多少行；更深层次的推测，就是df其实是按一维索引来返回行的，df只判断是否返回行，所以当索引为二维时，其每一行索引的值都是用来判断是否返回该行；
print(df[[True,False,True,False,True]])#如果用df.a>某值，其返回的结果结构一样也是一个布尔型索引
#print(df[pd.Series([True,False,True,False,True])])等价于上面语句
其结果返回三行分别为：
