2019-12-23(四)对DataFrame空值数据记录进行的

'''

上期回顾：

学习对DataFrame数据记录中含有空值记录的选择，并初次和.loc[]、.iloc[]见了个面！

本次：我们将继续深入学习对DataFrame数据记录进行的各种选择操作！

使用Python只有你想不到的，没有他做不到的！这就是开源的力量，分工合作的力量、群策群力的力量！

就好像是：晚上下班的路上你想起很久没有自己做过饭了，想做一桌丰盛的晚餐来犒赏一下努力的自己和家人，那你用不着买块田种地，然后等稻谷、蔬菜、葱蒜...熟了,再来生火开灶（C语言、汇编语言...），也不用再跑到市场上去买菜（C#、VB...）。你可以很方便地在朴朴APP上下单(方便快捷如：Python)，等你到家时，订的生鲜已到家，你只需直接烹饪就可以了！

'''

#现在开我们这一次的学习，对于空值的直观了解，也可以使用.isnull().sum()，统计空值的数量

df_employee.isnull().sum()

'''

pd.isnull()函数也可以单独判断一个值、一个对象、一个DataFrame或Series是否为空值(nan、None)，np.isnan()函数只能用于数值类型的nan判断，如果用于其它类型，则会出现错误！这与上一节提到的Pandas对象的.isna()不同，所以安全起见，在Pandas对象中我们一般使用.isnull()，以减少不必要的麻烦，曰：君子不立危墙下。

对某个值是否为空值进行判断，只用.isnull()函数，万万不可用 == np.nan() 或== None 来做，否则会出错的，因为空值并不能用判断相等的“==”正确识别。

'''

pd.isnull(df_employee.iloc[4, 2])

pd.isnull(df_employee.iloc[2, 4])

np.isnan(df_employee.iloc[4, 2])

np.isnan(df_employee.iloc[2, 4])

pd.isnull(df_employee['特点'])

#将含有空值列找出来，返回list对象，tolist()还是挺好用的，在列表式推导、迭代中经常用到。

df_employee.columns[df_employee.isnull().any()].tolist()

df_employee.isnull().any()

type(df_employee.isnull().any())

type(df_employee.columns[df_employee.isnull().any()].tolist())

#显示各列中含有空值记录的索引

df_employee[df_employee.isnull().values==True].index.unique()

df_employee[df_employee.isnull().values==True].index.unique().tolist()

'''本次主要就是加深一下大家对于空值的理解，下一次我们将学习数据加工中重要的一环：对于空值的处理，包括去除.dropna()和填充.fillna()的使用！'''