如何在Pandas中处理空值，包括识别、删除空值，以及如何指定特定列来删除空值。下面详细解释每个代码块的作用和意义：
识别空值
import pandas as pd
missing_values = ["n/a", "na", "--"]
df = pd.read_csv('property-data.csv', na_values=missing_values)
print(df['NUM_BEDROOMS'])
print(df['NUM_BEDROOMS'].isnull())
这段代码首先定义了一个列表missing_values，包含了应该被视为空值的字符串。然后，使用pd.read_csv()函数读取CSV文件时，通过na_values参数指定这些字符串应该被替换为Pandas的空值标记（即NaN）。这样，当我们使用isnull()函数检查NUM_BEDROOMS列时，所有出现的"n/a"、"na"、"--"都会被识别为True，表示这些位置是空值。
删除包含空值的行
import pandas as pd
df = pd.read_csv('property-data.csv')
new_df = df.dropna()
print(new_df.to_string())
这段代码读取CSV文件到DataFrame df，然后使用dropna()函数删除任何包含空值的行，结果存储在新的DataFrame new_df中。dropna()默认删除任何包含至少一个空值的行。这个操作不会修改原始的df DataFrame，因为inplace=False是默认值。
修改源数据
import pandas as pd
df = pd.read_csv('property-data.csv')
df.dropna(inplace=True)
print(df.to_string())
这段代码与上一个类似，但是通过设置inplace=True，dropna()函数会直接在原始的df DataFrame上进行修改，删除所有包含空值的行。这意味着df中的数据将被永久改变，不再包含任何空值行。
删除指定列包含空值的行
import pandas as pd
df = pd.read_csv('property-data.csv')
df.dropna(subset=['ST_NUM'], inplace=True)
print(df.to_string())
这段代码展示了如何删除特定列（在这个例子中是ST_NUM列）包含空值的行。通过subset参数，我们指定了只考虑ST_NUM列中的空值。如果这一列中有空值，那么整行将被删除。同样，inplace=True参数确保了修改直接在原始的df DataFrame上进行。
