pandas中的DataFrame中的空數據處理方法：
方法一：直接刪除
1.查看行或列是否有空格（以下的df為DataFrame類型，axis=0,代表列，axis=1代表行，以下的返回值都是行或列索引加上布爾值）
• isnull方法
• 查看行：df.isnull().any(axis=1)
• 查看列：df.isnull().any(axis=0)
• notnull方法：
• 查看行：df.notnull().all(axis=1)
• 查看列：df.notnull().all(axis=0)
例子：
• df.isnull().any(axis=1) # 檢測行內是否有空值
• 0 False
• 1 True
• 2 False
• 3 True
• 4 False
• 5 True
• 6 False
• 7 True
• 8 False
• 9 False
• dtype: bool
注意點：以上方法都可以用~取反的辦法獲取相反的結果
2.在1的前提下使用df.loc[]，可取出1中篩選出數據的具體數據如：
• df.loc[df.isnull().any(axis=1)]
• 取出這幾行的索引可用屬性index如:df.loc[df.isnull().any(axis=1)].index
• 得到這些索引后可以使用drop方法進行刪除如：
• 注意：drop方法中的axis值與其他方法相反，axis=0表示行，=1表示列。
• df.drop(labels=drop_index, axis=0)
總結下來為4步：
一.使用isnull或notnull篩選：df.isnull().any(axis=0)
二.使用loc取出具體數據：df.loc[df.isnull().any(axis=1)]
三：取出這些數據的索引：df.loc[df.isnull().any(axis=1)].index
四.使用drop刪除：df.drop(labels=drop_index, axis=0)
方法二：填充空值
步驟和方法一前幾步相同
isnull()
notnull()
dropna(): 過濾丟失數據（df.dropna() 可以選擇過濾的是行還是列（默認為行）:axis中0表示行，1表示的列）
fillna(): 填充丟失數據（可以選擇自主添加數據，或者用表中原有的數據進行補充）
1.使用dropna(不常用)：df.dropna(axis=0)
2.使用fillna(常用)：
一.df.fillna(value=666)給所有的控制賦值為666
二.df.fillna(method='ffill', axis=0) # axis=0表示在垂直方向填充(axis值：0為垂直，1為水平),使用上方的值對空值進行填充，組合起來就是，使用垂直方向上方的值對當前位置的值進行填充
三.df.fillna(method='bfill', axis=1) # axis=1表示在水平方向填充(axis值為0垂直1為水平),bfill表示使用后面的值對空值進行填充，組合起來就是，使用水平方向右邊的值對當前位置的值進行填充
總結：ffill（前）和bfill（后）決定前或后，axis決定垂直或水平
