pandas.notna#

pandas.notna(obj)[源代码]#

检测类似数组的对象的非缺失值。

此函数接受标量或类似数组的对象，并指示值是否有效(不是缺少，这是 NaN 在数字数组中， None 或 NaN 在对象数组中， NaT 在类似日期的时间中)。

参数

obj类似数组或对象值: 要检查的对象 not 空或 non -缺少值。

退货

布尔型或阵列型布尔型: 对于标量输入，返回标量布尔值。对于数组输入，返回指示每个相应元素是否有效的布尔数组。

参见

isna: Pandas的布尔逆。不是那。
Series.notna: 检测序列中的有效值。
DataFrame.notna: 检测DataFrame中的有效值。
Index.notna: 检测索引中的有效值。

示例

标量参数(包括字符串)产生标量布尔值。

>>> pd.notna('dog')
True

>>> pd.notna(pd.NA)
False

>>> pd.notna(np.nan)
False

Ndarray导致ndarray布尔值。

>>> array = np.array([[1, np.nan, 3], [4, 5, np.nan]])
>>> array
array([[ 1., nan,  3.],
       [ 4.,  5., nan]])
>>> pd.notna(array)
array([[ True, False,  True],
       [ True,  True, False]])

对于索引，返回布尔值的ndarray。

>>> index = pd.DatetimeIndex(["2017-07-05", "2017-07-06", None,
...                          "2017-07-08"])
>>> index
DatetimeIndex(['2017-07-05', '2017-07-06', 'NaT', '2017-07-08'],
              dtype='datetime64[ns]', freq=None)
>>> pd.notna(index)
array([ True,  True, False,  True])

对于Series和DataFrame，返回相同的类型，包含布尔值。

>>> df = pd.DataFrame([['ant', 'bee', 'cat'], ['dog', None, 'fly']])
>>> df
     0     1    2
0  ant   bee  cat
1  dog  None  fly
>>> pd.notna(df)
      0      1     2
0  True   True  True
1  True  False  True

>>> pd.notna(df[1])
0     True
1    False
Name: 1, dtype: bool

pandas.isnull

pandas.notnull