Pandas基本上把None和NaN看成是可以等价交换的缺失值形式。为了完成这种交换过程,Pandas提供了一些方法来发现、剔除、替换数据结构中的缺失值,主要包括isnull()、notnull()、dropna()、fillna()。
1、isnull()
创建一个布尔类型的掩码标签缺失值,是发现缺失值的一种。返回布尔类型的掩码数据,布尔类型掩码数组可以直接作为Series或DataFrame的索引使用。
#代码
import pandas as pd
import numpy as np
data = pd.Series([1, np.nan, 'hello', None])
data.isnull()
#结果
data
0 1
1 NaN
2 hello
3 None
dtype: object
data.isnull()
0 False
1 True
2 False
3 True
dtype: bool
2、notnull()
与isnull()操作相反,是发现缺失值的一种。返回布尔类型的掩码数据,布尔类型掩码数组可以直接作为Series或DataFrame的索引使用。
#代码
import pandas as pd
import numpy as np
data = pd.Series([1, np.nan, 'hello', None])
data.notnull()
#结果
0 True
1 False
2 True
3 False
dtype: bool
#代码
import pandas as pd
import numpy as np
data