Python 是一種高級編程語言，廣泛用于數據處理和分析。在數據處理時，識別并處理缺失值是一個關鍵問題。Python 有多種方法來識別缺失值，而下面將介紹其中兩種常見的方法。

# 方法一：使用 Pandas 庫中的 isnull 方法
import pandas as pd
# 讀取數據
data = pd.read_csv('data.csv')
# 檢查缺失值
missing_values = data.isnull()
print(missing_values.head())
# 選取缺失值的行和列
missing_rows = data[missing_values.any(axis=1)]
missing_columns = data.columns[missing_values.any(axis=0)]
print(missing_rows)
print(missing_columns)

以上代碼使用了Pandas庫中的isnull方法，它會返回一個布爾類型的 DataFrame，其中缺失值用 True 表示。利用any方法，可以篩選出至少有一個缺失值的行和列。

# 方法二：使用 NumPy 庫中的 isnan 方法
import numpy as np
# 讀取數據
data = np.loadtxt('data.csv', delimiter=',')
# 檢查缺失值
missing_values = np.isnan(data)
print(missing_values[:5])
# 選取缺失值的行和列
missing_rows = data[missing_values.any(axis=1)]
missing_columns = np.where(missing_values.any(axis=0))[0]
print(missing_rows)
print(missing_columns)

以上代碼使用了NumPy庫中的isnan方法，可以快速檢查數據中的缺失值。和Pandas中的方法類似，any方法可以篩選出至少有一個缺失值的行和列。

以上是兩種 Python 中選取缺失值的方法，分別使用了Pandas和NumPy兩個庫。在實際應用時，可以根據數據類型和處理需求選擇合適的方法。