python | 熊猫系列.notna()

介绍

在熊猫（Pandas）中，.notna()方法是一种用于检查缺失值（NaN）的方法，它返回一个布尔值（True或False），指示是否有缺失值。

使用.notna()方法，你可以快速找出数据（DataFrame或Series）中不存在缺失值的行或列。

语法

.notna()方法的语法如下：

DataFrame.notna()
Series.notna()

参数

.notna()方法不接受任何参数。

示例

下面是一个示例，演示如何使用.notna()方法：

import pandas as pd

data = {
    'name': ['John', 'Mike', 'Sara', 'Ali', 'Mary'],
    'age': [23, 28, 21, 19, 26],
    'score': [80, 95, None, 70, 88]
}

df = pd.DataFrame(data)
print(df)

# Output:
#    name  age  score
# 0  John   23   80.0
# 1  Mike   28   95.0
# 2  Sara   21    NaN
# 3   Ali   19   70.0
# 4  Mary   26   88.0

# 检查是否存在缺失值
print(df.notna())

# Output:
#    name   age  score
# 0  True  True   True
# 1  True  True   True
# 2  True  True  False
# 3  True  True   True
# 4  True  True   True

# 找出不存在缺失值的行
print(df[df.notna().all(axis=1)])

# Output:
#    name  age  score
# 0  John   23   80.0
# 1  Mike   28   95.0
# 3   Ali   19   70.0
# 4  Mary   26   88.0

# 找出不存在缺失值的列
print(df.loc[:, df.notna().all()])

# Output:
#    name  age
# 0  John   23
# 1  Mike   28
# 2  Sara   21
# 3   Ali   19
# 4  Mary   26

在上面的示例中，我们创建了一个数据帧（DataFrame），其中一个值被设置成了缺失值（NaN）。

然后我们使用.notna()方法检查数据帧中的缺失值，并找到了不存在缺失值的行和列。

结论

使用.notna()方法，你可以快速找出数据（DataFrame或Series）中不存在缺失值的行或列，这在数据清洗和分析中是非常有用的。