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
Python3
# checks for non-missing values.
idx.notna()
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
Python3
# test whether the passed Datetime
# Index labels are missing or not.
idx.notna()
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。