python dataframe drop null值_Python Pandas dataframe.notnull()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.notnull()功能检测 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.notnull()

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notnull()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":["Sam", "olivia", "terica", "megan", "amanda"],

"C":[20 + 5j, 20 + 3j, 7, 3, 8],

"D":[14, 3, 6, 2, 6]})

# Print the dataframe

df

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

# find non-na values

df.notnull()

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notnull()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":["Sandy", "alex", "brook", "kelly", np.nan],

"B":[np.nan, "olivia", "terica", "", "amanda"],

"C":[20 + 5j, 20 + 3j, 7, None, 8],

"D":[14.8, 3, None, 2.3, 6]})

# find non-missing values

df.notnull()

输出：

注意，空字符串也被映射为true，指示它不是NaN值。