python空值的一些问题

在数据处理的过程中，经常会遇到数据为空的情况，然后踩到很多坑浪费很久的时间，今天总结一下Python中空值的情况，以防后续再掉进坑里。

Python中空值一般有四种情况，None," ",False和NaN:

前三种类型中 打印 None == None ," " == " " ,False == False都能返回判断True,但是np.NaN == np.NaN 却返回为False，如图：

要创建一个空值可以用np.NaN,而且type(np.NaN)是float类型，而type(None)是NoneType类型，type(" ")是字符串类型，而在pandas中的数据类型例如Series和DataFrame中如果数组中除了空值之外全部是数值类型则None会转化正NaN

在Series或者DataFrame整体判断是否为空时，用isnull()，返回一个布尔型的矩阵；而且只有None 和NaN才被判断为空值

要是判断某一列中有空值存在，可以使用isnull().any()：

当判断单个值是否为空时，要用np.isnan()，但是np.isnan()只能用于数值型，NaN是Not a Number的缩写；其他类型可以用type(x).__name__ == 'float'来判断是否为空值，也可以利用np.NaN != np.NaN的特性来判断（即自身不等于自身时，该值为空值），这些方法只适用于空值为NaN类型的，当空值类型为None时，可以使用type(x) .__name__ == 'NoneType'来判断

可以用data[data.isnull().values==True]来筛选含有空值的行，但是如果某行有多个值是空值，则会重复次数出现，所以利用data[data.isnull().values==True].drop_duplicates()来去重：

为了将空值统一格式处理，可以在读取数据是限制一下，read_csv(na_values='NULL')将空值统一成NaN处理。