dates = pd.date_range('20180403',periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index = dates,columns = ['A','B','C','D'])
df.iloc[0,1]=np.nan
df.iloc[1,2]=np.nan
print(df,"#########")
print(df.dropna(axis=0,how='any'),'#############')#how是选择丢掉的方式，是有一个nan就丢掉还是全是nan时丢掉，参数选择‘any/all’
print(df.dropna(axis=0,how='all'),'#############')
print(df.fillna(value=0),'#############')#nan的部分填入0
print(df.isnull(),'#############')#是否有缺失，返回布尔型
print(np.any(df.isnull())==True,'#############')#至少有一个丢失就返回true结果显示：
A B C D
2018-04-03 0 NaN 2.0 3
2018-04-04 4 5.0 NaN 7
2018-04-05 8 9.0 10.0 11
2018-04-06 12 13.0 14.0 15
2018-04-07 16 17.0 18.0 19
2018-04-08 20 21.0 22.0 23 #########
A B C D
2018-04-05 8 9.0 10.0 11
2018-04-06 12 13.0 14.0 15
2018-04-07 16 17.0 18.0 19
2018-04-08 20 21.0 22.0 23 #############
A B C D
2018-04-03 0 NaN 2.0 3
2018-04-04 4 5.0 NaN 7
2018-04-05 8 9.0 10.0 11
2018-04-06 12 13.0 14.0 15
2018-04-07 16 17.0 18.0 19
2018-04-08 20 21.0 22.0 23 #############
A B C D
2018-04-03 0 0.0 2.0 3
2018-04-04 4 5.0 0.0 7
2018-04-05 8 9.0 10.0 11
2018-04-06 12 13.0 14.0 15
2018-04-07 16 17.0 18.0 19
2018-04-08 20 21.0 22.0 23 #############
A B C D
2018-04-03 False True False False
2018-04-04 False False True False
2018-04-05 False False False False
2018-04-06 False False False False
2018-04-07 False False False False
2018-04-08 False False False False #############
True #############