跳转至

Python | Pandas index.notna()

原文:https://www.geeksforgeeks.org/python-pandas-index-notna/

Python 是进行数据分析的优秀语言,主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包,让导入和分析数据变得容易多了。

熊猫 **Index.notna()**功能检测现有(非缺失)值。返回一个相同大小的布尔对象,指示值是否为非空。非缺失值映射为真。空字符串”或 numpy.inf 等字符不被视为 NA 值(除非您将 pandas.options.mode.use_INF_as_NA 设置为 True)。数值,如无或数值。NaN,映射到 False 值。

语法: Index.notna()

参数:不取任何参数。

返回: numpy.ndarray:布尔数组,指示哪些条目不是 NA。

示例#1: 使用Index.notna()函数查找索引中所有未缺失的值。

# importing pandas as pd
import pandas as pd

# Creating the Index
idx = pd.Index(['Labrador', None, 'Beagle', 'Mastiff',
                    'Lhasa', None, 'Husky', 'Beagle'])
# Print the Index
idx

输出:

现在我们检查索引中的非缺失值。

# checks for non-missing values.
idx.notna()

输出: 该函数返回一个与索引大小相同的数组对象。True值表示索引标签没有丢失,False值表示索引标签丢失。

示例 2: 使用Index.notna()函数检查 Datetime Indexe 中的非缺失标签。

# importing pandas as pd
import pandas as pd

# Creating the Datetime Index
idx = pd.DatetimeIndex([pd.Timestamp('2015-02-11'), 
                    None, pd.Timestamp(''), pd.NaT])

# Print the Datetime Index
idx

输出:

现在,我们将检查 Datetime 索引中的标签是否存在或缺失。

# test whether the passed Datetime 
# Index labels are missing or not.
idx.notna()

输出:

正如我们在输出中看到的,该函数返回了一个数组对象,其大小与 Datetime 索引的大小相同。True值表示索引标签没有丢失,False值表示索引标签丢失。



回到顶部