Python|熊猫索引.notna()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
Pandas Index.notna()函数检测现有（非缺失）值。返回一个布尔值相同大小的对象，指示值是否不是 NA。非缺失值被映射为 True。空字符串” 或 numpy.inf 等字符不被视为 NA 值（除非您设置 pandas.options.mode.use_inf_as_na = True）。 NA 值，例如 None 或 numpy.NaN，被映射到 False 值。

Syntax: Index.notna()
Parameters : Doesn’t take any parameter.
Returns : numpy.ndarray: Boolean array to indicate which entries are not NA.
 

示例 #1：使用 Index.notna()函数查找索引中的所有非缺失值。

Python3

# 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。

Python3

# 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 值表示索引标签不丢失，False 值表示索引标签丢失。示例 #2：使用 Index.notna()函数检查日期时间索引中的非缺失标签。

Python3

# 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 ：

现在我们将检查日期时间索引中的标签是否存在或缺失。

Python3

# 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，该函数返回了一个与日期时间索引大小相同的数组对象。 True 值表示索引标签不丢失，False 值表示索引标签丢失。