In [2]:
df
Out[2]:
a b c
i
1 7.0 NaN 7.0
2 NaN 6.0 3.0
3 4.0 4.0 NaN
4 8.0 NaN 5.0
5 1.0 4.0 4.0
6 5.0 NaN NaN
7 7.0 6.0 3.0
8 NaN 6.0 6.0

Select all rows with Nan.

In [3]:
df[df.isna().any(axis=1)]
Out[3]:
a b c
i
1 7.0 NaN 7.0
2 NaN 6.0 3.0
3 4.0 4.0 NaN
4 8.0 NaN 5.0
6 5.0 NaN NaN
8 NaN 6.0 6.0

Select rows with Nan in a specific column.

In [4]:
df[df['a'].isna()]
Out[4]:
a b c
i
2 NaN 6.0 3.0
8 NaN 6.0 6.0

Drop any rows that have missing data.

In [5]:
df.dropna(how="any")
Out[5]:
a b c
i
5 1.0 4.0 4.0
7 7.0 6.0 3.0

Fill missing data.

In [6]:
df.fillna(value=0)
Out[6]:
a b c
i
1 7.0 0.0 7.0
2 0.0 6.0 3.0
3 4.0 4.0 0.0
4 8.0 0.0 5.0
5 1.0 4.0 4.0
6 5.0 0.0 0.0
7 7.0 6.0 3.0
8 0.0 6.0 6.0