毕业设计博客网站开发/培训机构网站模板

Pandas2.2 General

Top-level missing data

方法	描述
isna(obj)	用于检测数据中的缺失值
isnull(obj)	用于检测数据中的缺失值
notna(obj)	用于检测数据中的非缺失值
notnull(obj)	用于检测数据中的非缺失值

pandas.isna()

pandas.isna() 是 Pandas 库中的一个函数，用于检测缺失值。它返回一个布尔值（True 或 False）的数组，指示对应位置的元素是否为缺失值（即 NaN 或 None）。下面是对 pandas.isna() 参数的详细介绍，以及示例和结果。

def isna(obj: object) -> bool | npt.NDArray[np.bool_] | NDFrame:...

参数

• obj : array-like, object
  • 要检查缺失值的对象。可以是 Series、DataFrame、ndarray 或类似数组的对象。

返回值

• 返回一个与输入对象形状相同的布尔数组（或 DataFrame），其中 True 表示缺失值，False 表示非缺失值。

示例 1：检查 Series 中的缺失值

import pandas as pd
import numpy as np# 创建一个包含缺失值的 Series
s = pd.Series([1, 2, np.nan, 4, None, 6])# 使用 isna() 检查缺失值
result = pd.isna(s)print(result)

结果：

0    False
1    False
2     True
3    False
4     True
5    False
dtype: bool

示例 2：检查 DataFrame 中的缺失值

import pandas as pd
import numpy as np# 创建一个包含缺失值的 DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4],'B': [None, 2, 3, 4],'C': [1, np.nan, np.nan, 4]
})# 使用 isna() 检查缺失值
result = pd.isna(df)print(result)

结果：

       A      B      C
0  False   True  False
1  False  False   True
2   True  False   True
3  False  False  False

示例 3：检查 numpy 数组中的缺失值

import pandas as pd
import numpy as np# 创建一个包含缺失值的 numpy 数组
arr = np.array([1, 2, np.nan, 4, np.nan])# 使用 isna() 检查缺失值
result = pd.isna(arr)print(result)

结果：

[False False  True False  True]

注意事项

• pandas.isna() 专门用于处理 Pandas 和 NumPy 对象，可以识别 NaN 和 None 作为缺失值。
• 对于其他类型的对象（如纯 Python 列表），这个函数可能不会按预期工作，因为 Python 原生的 None 和 float('nan') 在类型上是不同的。

通过这些示例，你可以看到 pandas.isna() 如何用于检测不同对象中的缺失值。这个函数在处理数据时非常有用，特别是当你需要清理或分析数据时。