在數據分析和處理的過程中，經常會出現缺失值的情況，處理缺失值是數據分析中不可避免的問題。Python作為一種通用的編程語言，在數據分析領域也十分流行，因此，在Python中如何輸入缺失值也是一個十分重要的問題。

Python中輸入缺失值的方式主要有兩種：NaN和None。

在Python中，缺失值常常被用NaN（Not a Number）來表示。例如：

import numpy as np
a = np.array([1, 2, np.nan, 4])
print(a)

上述代碼中，我們使用了NumPy庫，創建了一個包含缺失值的數組。執行代碼后，輸出結果為：

[ 1.  2. nan  4.]

我們可以看到，輸出結果中，有一個nan（Not a Number）表示缺失值。

除了使用NaN來表示缺失值，Python中還可以用None。

a = [1, 2, None, 4]
print(a)

上述代碼中，我們創建了一個包含缺失值的列表。執行代碼后，輸出結果為：

[1, 2, None, 4]

在Python中，None表示一個空的對象或變量，相當于缺失值的占位符。

綜上所述，Python中常用的輸入缺失值的方式有NaN和None。在實際的數據分析和處理中，可以根據具體的數據類型和分析需求來選擇適合自己的方式。