正确答案是：C: `df.isnull()`

### 专业分析：

在 Pandas 中，当我们需要检查 DataFrame 中的缺失值时，可以使用以下方法：

- **A: `df.fillna()`**
- 作用：用于填充缺失值。
- 分析：该方法会用指定的值替换 `NaN`，并不会发现或返回缺失值的布尔结果。

- **B: `df.dropna()`**
- 作用：用于删除缺失值所在的行或列。
- 分析：该方法实际执行的是对缺失值数据的删除操作，并不能用于识别或发现缺失值。

- **C: `df.isnull()`**
- 作用：返回一个与 `DataFrame` 大小相同的布尔型 `DataFrame`，其中 `True` 表示对应位置上存在缺失值。
- 分析：这是发现 DataFrame 对象中缺失值的有效方法，能够标记出所有的 `NaN` 值。

- **D: `df.replace()`**
- 作用：用于替换 DataFrame 中的特定值。
- 分析：虽然可以用来替换缺失值，但并不是用于发现缺失值的主要方法。

因此，`df.isnull()` 是最直接和有效的方法来发现 DataFrame 中的缺失值。它能够返回一个布尔型 DataFrame，详细标识出哪些位置存在缺失值，以便于进一步处理。以下是一个简单的示例：

```python
import pandas as pd
import numpy as np

# 创建一个示例 DataFrame
df = pd.DataFrame({
'A': [1, 2, np.nan],
'B': [4, np.nan, 6],
'C': [7, 8, 9]
})

# 检查缺失值
missing_values = df.isnull()
print(missing_values)
```

输出将指明在哪些位置存在缺失值：

```
A B C
0 False False False
1 False True False
2 True False False
```

在这个输出中，`True` 表示对应单元格有缺失值。