Python Pandas dataframe.notna()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.notna()函數檢測 DataFrame 中的現有/非缺失值。該函數返回一個布爾對象，其大小與其所應用的對象的大小相同，指示每個單獨的值是否為na是否有價值。所有非缺失值都映射為true，而缺失值則映射為false。

注意：空字符串”或numpy.inf之類的字符不被視為NA值。 (除非您設置pandas.options.mode.use_inf_as_na = True)。

用法： DataFrame.notna()

返回值：DataFrame中每個元素的布爾值掩碼，指示元素是否不是NA值

範例1：采用notna()函數查找數據幀中所有非缺失值。

# 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

讓我們使用dataframe.notna()函數查找 DataFrame 中的所有非缺失值。

# find non-na values 
df.notna()

輸出：

正如我們在輸出中看到的那樣， DataFrame 中的所有非缺失值都已映射為true。沒有錯誤值，因為數據幀中沒有缺失值。

範例2：采用notna()當 DataFrame 中缺少值時，該函數可查找非丟失值。

# 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()

輸出：

正如我們在輸出中看到的，na值被映射為false，而所有具有非缺失值的像元都被映射為true。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.notna()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。