数据分析03_Pandas处理缺失值

有两种丢失数据：

None
np.nan(NaN)

1.numpy中的

（1）.None

None是Python自带的，其类型为python object。因此，None不能参与到任何计算中。
object类型的运算要比int类型的运算慢得多
计算不同数据类型求和时间
%timeit np.arange(1e5,dtype=xxx).sum()

（2）.np.nan（NaN）

np.nan是浮点类型，能参与到计算中。但计算的结果总是NaN。
但可以使用np.nan*()函数来计算nan，此时视nan为0

2.pandas中

（1） pandas中None与np.nan都视作np.nan

（2）pandas中None与np.nan的操作

isnull()：一般 isnull()和any() 连用
notnull()
dropna(): 过滤丢失数据
fillna(): 填充丢失数据