Python Pandas dataframe.notna()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.notna()函数检测 DataFrame 中的现有/非缺失值。该函数返回一个布尔对象，其大小与其所应用的对象的大小相同，指示每个单独的值是否为na是否有价值。所有非缺失值都映射为true，而缺失值则映射为false。

注意：空字符串”或numpy.inf之类的字符不被视为NA值。 (除非您设置pandas.options.mode.use_inf_as_na = True)。

用法： DataFrame.notna()

返回值：DataFrame中每个元素的布尔值掩码，指示元素是否不是NA值

范例1：采用notna()函数查找数据帧中所有非缺失值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe  
df = pd.DataFrame({"A":[14, 4, 5, 4, 1], 
                   "B":[5, 2, 54, 3, 2],  
                   "C":[20, 20, 7, 3, 8], 
                   "D":[14, 3, 6, 2, 6]}) 
  
# Print the dataframe 
df

让我们使用dataframe.notna()函数查找 DataFrame 中的所有非缺失值。

# find non-na values 
df.notna()

输出：

正如我们在输出中看到的那样， DataFrame 中的所有非缺失值都已映射为true。没有错误值，因为数据帧中没有缺失值。

范例2：采用notna()当 DataFrame 中缺少值时，该函数可查找非丢失值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.DataFrame({"A":[12, 4, 5, None, 1], 
                   "B":[7, 2, 54, 3, None],  
                   "C":[20, 16, 11, 3, 8], 
                   "D":[14, 3, None, 2, 6]}) 
  
# find non-missing values 
df.notna()

输出：

正如我们在输出中看到的，na值被映射为false，而所有具有非缺失值的像元都被映射为true。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.notna()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。