跳转至

Python | Pandas index.notnull()

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

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.notnull()**功能检测现有(非缺失)值。此函数返回一个相同大小的布尔对象,指示值是否不是 n a。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.notnull()

返回:布尔数组,表示哪些条目不是 NA。

示例#1: 使用Index.notnull()()函数检测给定索引中的缺失值。

# importing pandas as pd
import pandas as pd

# Creating the index
idx = pd.Index(['Jan', '', 'Mar', None, 'May', 'Jun', 'Jul',
                         'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])

# Print the Index
idx

输出:

让我们找出索引中所有没有缺失的值

# to find the non-missing values.
idx.notnull()

输出:

正如我们在输出中看到的,所有非缺失值都被映射到True,所有缺失值都被映射到False。请注意,空字符串已映射到True,因为空字符串不被视为缺失值。

示例 2: 使用Index.notnull()函数找出索引中所有未缺失的值。

# importing pandas as pd
import pandas as pd

# Creating the index
idx = pd.Index([22, 14, 8, 56, None, 21, None, 23])

# Print the Index
idx

输出:

让我们找出索引中所有没有缺失的值

# to find the non-missing values.
idx.notnull()

输出:

正如我们在输出中看到的,所有非缺失值都被映射到True,所有缺失值都被映射到False



回到顶部