Python酷库之旅-第三方库Pandas(023)

见贤思齐

目录一、用法精讲58、pandas.isnull函数58-1、语法58-2、参数58-3、功能58-4、返回值58-5、说明58-6、用法58-6-1、数据准备58-6-2、代码示例58-6-3、结果输出59、pandas.notna函数59-1、语法59-2、参数59-3、功能59-4、返回值59-5、说明59-6、用法59-6-1、数据准备59-6-2、代码示例59-6-3、结果输出 60、pandas.notnull函数60-1、语法60-2、参数60-3、功能60-4、返回值60-5、说明60-6、用法60-6-1、数据准备60-6-2、代码示例60-6-3、结果输出二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页一、用法精讲58、pandas.isnull函数58-1、语法#58、pandas.isnull函数pandas.isnull(obj)Detectmissingvaluesforanarray-likeobject.Thisfunctiontakesascalarorarray-likeobjectandindicateswhethervaluesaremissing(NaNinnumericarrays,NoneorNaNinobjectarrays,NaTindatetimelike).Parametersbjscalarorarray-likeObjecttocheckfornullormissingvalues.Returns:boolorarray-likeofboolForscalarinput,returnsascalarboolean.Forarrayinput,returnsanarrayofbooleanindicatingwhethereachcorrespondingelementismissing.58-2、参数58-2-1、data(必须)：单个对象，类型可以是以下之一：58-2-1-1、DataFrame：数据框58-2-1-2、Series：序列58-2-1-3、Index：索引58-2-1-4、标量值(如整数、浮点数、字符串等)58-3、功能        用于检测给定对象中是否存在缺失值。58-4、返回值        返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为缺失值(NaN、None等)。具体形式如下：58-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为缺失值。58-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为缺失值。58-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为缺失值。58-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为缺失值。58-5、说明    该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位缺失数据。58-6、用法58-6-1、数据准备无58-6-2、代码示例#58、pandas.isnull函数#58-1、对DataFrame检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.isnull(df),end='\n\n')#58-2、对Series检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})s=pd.Series([1,np.nan,3])print(pd.isnull(s),end='\n\n')#58-3、对标量值检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.isnull(np.nan))print(pd.isnull(3))58-6-3、结果输出#58、pandas.isnull函数#58-1、对DataFrame检测#ABC#0FalseTrueFalse#1FalseFalseTrue#2TrueFalseFalse#58-2、对Series检测#0False#1True#2False#dtype:bool#58-3、对标量值检测#True#False59、pandas.notna函数59-1、语法#59、pandas.notna函数pandas.notna(obj)Detectnon-missingvaluesforanarray-likeobject.Thisfunctiontakesascalarorarray-likeobjectandindicateswhethervaluesarevalid(notmissing,whichisNaNinnumericarrays,NoneorNaNinobjectarrays,NaTindatetimelike).Parametersbjarray-likeorobjectvalueObjecttocheckfornotnullornon-missingvalues.Returns:boolorarray-likeofboolForscalarinput,returnsascalarboolean.Forarrayinput,returnsanarrayofbooleanindicatingwhethereachcorrespondingelementisvalid.59-2、参数59-2-1、data(必须)：单个对象，类型可以是以下之一：59-2-1-1、DataFrame：数据框59-2-1-2、Series：序列59-2-1-3、Index：索引59-2-1-4、标量值(如整数、浮点数、字符串等)59-3、功能        用于检测给定对象中是否存在非缺失值，它与pandas.isnull(obj)函数相反。59-4、返回值      返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为非缺失值，具体形式如下：59-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为非缺失值。59-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为非缺失值。59-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为非缺失值。59-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为非缺失值。59-5、说明   该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位非缺失数据。  59-6、用法59-6-1、数据准备无59-6-2、代码示例#59、pandas.notna函数#59-1、对DataFrame检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.notna(df),end='\n\n')#59-2、对Series检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})s=pd.Series([1,np.nan,3])print(pd.notna(s),end='\n\n')#59-3、对标量值检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.notna(np.nan))print(pd.notna(3))59-6-3、结果输出 #59、pandas.notna函数#59-1、对DataFrame检测#ABC#0TrueFalseTrue#1TrueTrueFalse#2FalseTrueTrue#59-2、对Series检测#0True#1False#2True#dtype:bool#59-3、对标量值检测#False#True60、pandas.notnull函数60-1、语法#60、pandas.notnull函数pandas.notnull(obj)Detectnon-missingvaluesforanarray-likeobject.Thisfunctiontakesascalarorarray-likeobjectandindicateswhethervaluesarevalid(notmissing,whichisNaNinnumericarrays,NoneorNaNinobjectarrays,NaTindatetimelike).Parametersbjarray-likeorobjectvalueObjecttocheckfornotnullornon-missingvalues.Returns:boolorarray-likeofboolForscalarinput,returnsascalarboolean.Forarrayinput,returnsanarrayofbooleanindicatingwhethereachcorrespondingelementisvalid.60-2、参数60-2-1、data(必须)：单个对象，类型可以是以下之一：60-2-1-1、DataFrame：数据框60-2-1-2、Series：序列60-2-1-3、Index：索引60-2-1-4、标量值(如整数、浮点数、字符串等)60-3、功能        用于检测给定对象中是否存在非缺失值，它与pandas.notna(obj)函数功能相同。60-4、返回值      返回一个与输入对象形状相同的布尔类型对象，表示对应位置是否为非缺失值，具体形式如下：60-4-1、如果输入为DataFrame：返回一个DataFrame，其中每个元素为布尔值，表示相应位置是否为非缺失值。60-4-2、如果输入为Series：返回一个Series，其中每个元素为布尔值，表示相应位置是否为非缺失值。60-4-3、如果输入为Index：返回一个Index，其中每个元素为布尔值，表示相应位置是否为非缺失值。60-4-4、如果输入为标量值：返回一个布尔值，表示该值是否为非缺失值。60-5、说明    该函数在数据预处理和清洗过程中非常有用，可以帮助快速定位非缺失数据。60-6、用法60-6-1、数据准备无60-6-2、代码示例#60、pandas.notnull函数#60-1、对DataFrame检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.notnull(df),end='\n\n')#60-2、对Series检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})s=pd.Series([1,np.nan,3])print(pd.notnull(s),end='\n\n')#60-3、对标量值检测importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':[1,2,np.nan],'B':[np.nan,2,3],'C':[1,np.nan,3]})print(pd.notnull(np.nan))print(pd.notnull(3))60-6-3、结果输出#60、pandas.notnull函数#60-1、对DataFrame检测#ABC#0TrueFalseTrue#1TrueTrueFalse#2FalseTrueTrue#60-2、对Series检测#0True#1False#2True#dtype:bool#60-3、对标量值检测#False#True二、推荐阅读1、Python筑基之旅2、Python函数之旅3、Python算法之旅4、Python魔法之旅5、博客个人主页