对于查看各列是否存在空值，有两种方法：Pandas.DataFrame isna()和isnull()。事实上，这两种方法并没有什么区别，他们做的是相同的事情。在R语言中， na 和 null 是两种不同的东西：
然而，在python中，pandas是构建在numpy之上的。在numpy中，既没有 na 也没有 null ，而只有 NaN (意思是“Not a Number”)，因此，pandas也沿用NaN值。
简单的说：
原文来自：
https://datascience.stackexchange.com/questions/37878/difference-between-isna-and-isnull-in-pandas
1、在pandas中，我们采用了R语言中的惯用法，即将缺失值表示为NA，它表示不可用not available。
2、pandas项目中还在不断优化内部细节以更好处理缺失数据。
3、过滤掉缺失数据的办法有很多种。可以通过pandas.isnull或布尔索引的手工方法，但dropna可能会更实用一些。对于一个Series，dropna返回一个仅含非空数据和索引值的Series。
4、而对于DataFrame对象，可能希望丢弃全NA或含有NA的行或列。dropna默认丢弃任何含有缺失值的行。
5、最后通过一个常数调用fillna就会将缺失值替换为那个常数值，若是通过一个字典调用fillna，就可以实现对不同的列填充不同的值。这样就完成了。
