Python中的 pandas.isna()函数

在数据处理中，经常会遇到缺失值。pandas库提供了isna()函数，用于检测数据框或序列中的缺失值（NaN值）。

函数语法

pandas.isna(obj)

• obj：接受数据框或序列作为输入参数

返回值

• 返回一个布尔数据框或布尔序列，标识缺失值的位置。如果原数据中对应位置为NaN值，则返回的DataFrame或Series对应位置为True；否则，对应位置为False。

代码示例

import pandas as pd
import numpy as np

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, np.nan, 20, 30],
        'sex': [1, 0, np.nan, 1]}

df = pd.DataFrame(data)

df.isna()

输出结果如下：

| | name | age | sex | |---:|:---------|:------|:-------| | 0 | False | False | False | | 1 | False | True | False | | 2 | False | False | True | | 3 | False | False | False |

上述代码创建了一个数据框，其中有一些NaN值。通过df.isna()函数，我们可以检测出数据框中的缺失值。

需要注意的是，在pandas中，缺失值可以表示为“NaN”，“NA”或“None”。isna()函数比较灵活，可以同时检测出这三种缺失值。