Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.isna方法的使用。

DataFrame.isna(self)        [source]

检测缺失值。

返回一个布尔值相同大小的对象,指示值是否为NA。NA值(例如,Nonenumpy.NaN)被映射为True值。其他所有内容都映射为False值。诸如空字符串之类的字符''或numpy.inf不被视为NA值的字符(除非您设置)。pandas.options.mode.use_inf_as_na = True

返回值:

DataFrame

DataFrame中每个元素的布尔值掩码,指示元素是否不是NA值。

例子

显示DataFrame中的哪些条目不适用

>>> df = pd.DataFrame({'age': [5, 6, np.NaN],
... 'born': [pd.NaT, pd.Timestamp('1939-05-27'),
... pd.Timestamp('1940-04-25')],
... 'name': ['Alfred', 'Batman', ''],
... 'toy': [None, 'Batmobile', 'Joker']})
>>> df
age born name toy
0 5.0 NaT Alfred None
1 6.0 1939-05-27 Batman Batmobile
2 NaN 1940-04-25 Joker
>>> df.isna()
age born name toy
0 False True False True
1 False False False False
2 True False False False

显示系列中的哪些条目不适用

>>> ser = pd.Series([5, 6, np.NaN])
>>> ser
0 5.0
1 6.0
2 NaN
dtype: float64
>>> ser.isna()
0 False
1 False
2 True
dtype: bool