本文目录：
1.None和np.nan的区别？
2.pandas空值介绍；
2.1excel表格制造数据；
2.2读取数据；
2.3缺失值介绍、产生原因、分类、属性、形式：
3.人为制造空值
4.空值操作
1.None和np.nan的区别？
2.pandas空值的操作：
涉及函数：any、all；isnull()、notnull()、dropna()、fillna()、isna()
https://www.douban.com/note/714022352/
2.1excel制造数据
2.2读取数据
以下操作是在jupyter notebook下打开的，终端打开命令：jupyter notebook
2.3缺失值介绍、产生原因、分类、属性、形式：
1.缺失值是缺失的数据；
2.原因：
机械原因:数据收集或保存的失败造成的数据缺失;
人为原因:人的主观失误、历史局限或有意隐瞒造成的数据缺失,在市场调查中被访人拒绝透露相关问题的答案，或者回答的问题是无效的，数据录入人员失误漏录了数据;
3.分类：
完全随机缺失：数据的缺失是随机的，数据的缺失不依赖于任何不完全变量或完全变量；
随机缺失：数据的缺失不是完全随机的，即该类数据的缺失依赖于其他完全变量；
完全非随机缺失：数据的缺失依赖于不完全变量自身；
4.属性：
单值缺失：所有的缺失值都是同一属性；
任意缺失：缺失值属于不同的属性；
单调缺失：于时间序列类的数据，可能存在随着时间的缺失；
5.形式：None、np.nan、NaT；
