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.notna方法的使用。

DataFrame.notna(self)    → 'DataFrame'      [source]
DataFrame.notnull(self)  → 'DataFrame'      [source]

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。非缺失值将映射为True。诸如空字符串之类的字符''numpy.inf不视为NA值的字符(除非设置pandas.options.mode.use_inf_as_na = True) 。NA值(例如,Nonenumpy.NaN)被映射为False值。

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中的哪些条目不是NA

>>> 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.notna()
     age   born  name    toy
0   True  False  True  False
1   True   True  True   True
2  False   True  True   True

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.notna()
0     True
1     True
2    False
dtype: bool