dropna()和notnull()是pandas庫中用于處理缺失值的函數，它們的用法和功能有一些區別。
dropna()是pandas庫中DataFrame和Series對象的一個方法，用于刪除含有缺失值的行或列。它的主要功能是過濾掉包含缺失值的行或列，返回一個新的DataFrame或Series對象。默認情況下，dropna()會刪除包含任何缺失值的行或列，也可以通過參數指定刪除方式。例如，可以通過設置axis參數為1來刪除包含缺失值的列，通過設置subset參數來指定刪除含有缺失值的特定列。
示例代碼：
import pandas as pd
# 創建一個包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4],
'B': [5, None, 7, 8]})
# 使用dropna()刪除含有缺失值的行
df_dropna = df.dropna()
print(df_dropna)
輸出結果：
A B
0 1.0 5.0
3 4.0 8.0
notnull()是pandas庫中DataFrame和Series對象的一個方法，用于判斷每個元素是否為非空值。它返回一個布爾值的DataFrame或Series，其中為非空值的元素對應的位置為True，否則為False。
示例代碼：
import pandas as pd
# 創建一個包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4],
'B': [5, None, 7, 8]})
# 使用notnull()判斷每個元素是否為非空值
df_notnull = df.notnull()
print(df_notnull)
輸出結果：
A B
0 True True
1 True False
2 False True
3 True True
總結一下，dropna()主要用于刪除含有缺失值的行或列，而notnull()主要用于判斷每個元素是否為非空值。
