近期，使用read_csv的时候，遇到一个问题，就是本地读取的csv文件中的数据有None和NaN 两种，如：

直接使用

pd.read_csv(r'F:\我爱Python\预测\历史样本.csv',encoding='utf-8')

发现读取的数据是将None 和 NULL 直接处理成 NaN 了，也就是被识别成空了。

然后使用 dropna(),发现会将Excel中包含None、NaN的行都给删除了，但这不是我想要的结果，我只想删除含有Null的！！

ata = df.dropna(axis=0,how='any')#把包含为空的行数据删除
#axis=0 表示删除包含空值的行，即沿着行的方向删除； how='any' 表示只要有一个空值就要删除包含该空值的行。
print(len(data))
data

于是找到了两种处理方法：

方法一：
对None的列进行处理，将空值转化成字符’',或是其他不影响的字符，再使用 dropna()，即可。
df = d_Sample
df[‘HolidayName’] = df[‘HolidayName’].fillna(‘None’)
df

方法二：
在使用read_csv(),的时候，将参数 na_filter=False 加上，即：

import pandas as pd
import numpy as np
#读取样本数据
d_Sample = pd.read_csv(r'F:\我爱Python\预测\某历史样本.csv',encoding='utf-8',na_filter=False) 
#使用 na_filter=False 则都保留为空字符串
#print(d_Sample.columns) #查看样本数据包含哪些列
d_Sample

这样结果就会是和Excel一致的，不会将None,NULL,给处理成NaN,即：

之后再将NULL处理成空，将None处理成"小可爱"即可，再使用 dropna()，即可：

df = d_Sample.replace('NULL',None)
df = df.replace('None','小可爱')
#df['HolidayName'] = df['HolidayName'].replace('NULL',None)
df
data = df.dropna(axis=0,how='any')#把全部为空的行数据删除
#axis=0 表示删除包含空值的行，即沿着行的方向删除； how='any' 表示只要有一个空值就要删除包含该空值的行。
print(len(data))
data

这样就不会将EXCEL中为None的行数据进行删除了，只删除Excel中含有NULL的行！