Python|熊猫 dataframe.notnull()

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 dataframe.notnull()函数检测数据框中的现有/非缺失值。该函数返回一个与应用它的对象大小相同的布尔对象，指示每个单独的值是否为 na 值。所有非缺失值都映射为 true，缺失值映射为 false。
注意：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）。

Syntax: DataFrame.notnull()
Returns : Mask of bool values for each element in DataFrame that indicates whether an element is not an NA value.
 

示例 #1：使用 notnull()函数查找数据框中的所有非缺失值。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the first dataframe
df = pd.DataFrame({"A":[14, 4, 5, 4, 1],
                   "B":["Sam", "olivia", "terica", "megan", "amanda"],
                   "C":[20 + 5j, 20 + 3j, 7, 3, 8],
                   "D":[14, 3, 6, 2, 6]})
 
# Print the dataframe
df

让我们使用 dataframe.notnull()函数来查找数据框中的所有非缺失值。

Python3

# find non-na values
df.notnull()

输出 ：

正如我们在输出中看到的那样，数据帧中的所有非缺失值都已映射为 true。没有假值，因为数据框中没有缺失值示例 #2：当数据框中存在缺失值时，使用 notnull()函数查找非缺失值。

Python3

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.DataFrame({"A":["Sandy", "alex", "brook", "kelly", np.nan],
                   "B":[np.nan, "olivia", "terica", "", "amanda"],
                   "C":[20 + 5j, 20 + 3j, 7, None, 8],
                    "D":[14.8, 3, None, 2.3, 6]})
 
# find non-missing values
df.notnull()

输出 ：

注意，空字符串也被映射为 true，表明它不是 NaN 值。