Для выявления записей, в которых содержатся пропуски данных, в библиотеке Pandas используется метод "isnull". Метод "isnull" позволяет найти и выделить значения NaN (пустые значения) в DataFrame или Series. Он возвращает новый объект DataFrame или Series такой же формы, что и исходный объект, но с логическими значениями вместо исходных данных. Если в ячейке содержится NaN, то соответствующее значение в новом объекте будет True, иначе - False. Например, для DataFrame можно использовать метод "isnull" следующим образом:

python

import pandas as pd



df = pd.DataFrame({'A': [1, 2, None], 'B': [4, None, 6]})



result = df.isnull()

В данном примере создается DataFrame с двумя столбцами, где в некоторых ячейках присутствуют значения None (пустые значения). Затем метод "isnull" применяется к DataFrame и результат сохраняется в переменную "result". Результат будет новый DataFrame той же формы, что и исходный DataFrame, но с логическими значениями вместо данных. Метод "isnull" также можно использовать для Series (одномерного массива данных). В этом случае результатом будет новый Series с логическими значениями. Таким образом, правильный ответ на вопрос будет "Isnull". Остальные варианты ответов ("Dropnull", "Fillna", "Fillnull", "Fill_missing_values", "Dropna") не являются методами Pandas для выявления пропусков данных. Некоторые из них могут быть связаны с обработкой или заполнением пропущенных значений, но не с их выявлением.