Python酷库之旅-第三方库Pandas(023)

于 2024-07-15 07:45:00 发布
阅读量631 收藏 38
点赞数 41
分类专栏： Myelsa的Python酷库之旅 文章标签： python pandas 开发语言 标准库及第三方库 基础知识 学习与成长
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ygb_1024/article/details/140425517
版权

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)
Detect missing values for an array-like object.

This function takes a scalar or array-like object and indicates whether values are missing (NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).

Parameters:
obj
scalar or array-like
Object to check for null or missing values.

Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is missing.
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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
#        A      B      C
# 0  False   True  False
# 1  False  False   True
# 2   True  False  False

# 58-2、对Series检测
# 0    False
# 1     True
# 2    False
# dtype: bool

# 58-3、对标量值检测
# True
# False
59、pandas.notna函数
59-1、语法
# 59、pandas.notna函数
pandas.notna(obj)
Detect non-missing values for an array-like object.

This function takes a scalar or array-like object and indicates whether values are valid (not missing, which is NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).

Parameters:
obj
array-like or object value
Object to check for not null or non-missing values.

Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is valid.
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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
#        A      B      C
# 0   True  False   True
# 1   True   True  False
# 2  False   True   True

# 59-2、对Series检测
# 0     True
# 1    False
# 2     True
# dtype: bool

# 59-3、对标量值检测
# False
# True
60、pandas.notnull函数
60-1、语法
# 60、pandas.notnull函数
pandas.notnull(obj)
Detect non-missing values for an array-like object.

This function takes a scalar or array-like object and indicates whether values are valid (not missing, which is NaN in numeric arrays, None or NaN in object arrays, NaT in datetimelike).

Parameters:
obj
array-like or object value
Object to check for not null or non-missing values.

Returns:
bool or array-like of bool
For scalar input, returns a scalar boolean. For array input, returns an array of boolean indicating whether each corresponding element is valid.
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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
import pandas as pd
import numpy as np
df = 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
#        A      B      C
# 0   True  False   True
# 1   True   True  False
# 2  False   True   True

# 60-2、对Series检测
# 0     True
# 1    False
# 2     True
# 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
神奇夜光杯
关注
  • 41
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 22
    评论
专栏目录
Python酷库之旅-第三方库Pandas(005)
07-05
Pandas_read_excel函数数据准备
python-3.12.1-amd64安装包
01-26
此外，Python的pip工具允许用户方便地安装、升级和管理第三方库，进一步扩展了Python的功能。 总之，"python-3.12.1-amd64.exe"是一个针对64位Windows系统的Python 3.12.1安装程序，包含了运行和开发Python应用所需...
Python酷库之旅-第三方库Pandas(011)
ygb_1024的博客
07-09 1582
第三方库Pandas(011)
Python酷库之旅-第三方库Pandas(001)
ygb_1024的博客
07-04 1945
第三方库Pandas(001)
Python酷库之旅-第三方库Pandas(018)
ygb_1024的博客
07-12 1246
第三方库Pandas(018)
Python酷库之旅-第三方库Pandas(021)
最新发布
ygb_1024的博客
07-14 1047
第三方库Pandas(021)
Python酷库之旅-第三方库Pandas(008)
ygb_1024的博客
07-07 1620
第三方库Pandas(008)
Python库 | coconut-develop-2.0.0a0.dev23.tar.gz
03-01
你可以使用pip来安装和管理Coconut库，同时，它与其他Python库（如NumPy、Pandas等）无缝协作，这意味着你可以在使用Coconut的同时，充分利用Python丰富的第三方库资源。 Coconut库的源代码打包为`coconut-develop-...
Python库 | seleniumbase-1.38.6-py2.py3-none-any.whl
03-24
7. **集成第三方库**：`seleniumbase`能够与`unittest`、`pytest`等测试框架无缝集成，也可以与其他库如`pandas`和`requests`配合，实现更复杂的测试需求。 8. **可扩展性**：`seleniumbase`设计为模块化，用户可以...
python官方3.8.7-amd64版本exe安装包
08-11
在安装Python后，开发者可以利用丰富的第三方库如NumPy、Pandas、Matplotlib进行数据分析，或者使用Django、Flask框架进行Web开发。Python的生态系统庞大且活跃，不断有新的库和工具涌现，以满足各种需求。 总之，...
cv2读取和保存图片
m0_53291740的博客
07-12 180
cv2.imwrite('b\\img1.png',img)#b存在就可以保存进去。如果b存在，c不存在，程序不会报错，也不会保存图片。如果目录b不存在就会存到当前文件夹。
面试题 21：解释 Python 中的 help() 函数和 dir() 函数？
专注于全栈开发领域
07-10 772
在Python中，help()和dir()是两个非常有用的内置函数，它们可以帮助开发者更好地了解Python对象和模块。
Nginx七层（应用层）反向代理：UWSGI代理uwsgi_pass篇
jclee95的个人博客
07-10 1090
Nginx提供了多种应用层反向代理支持，包括proxy_pass、uwsgi_pass、fastcgi_pass和scgi_pass等。其中，proxy_pass指令可以接受一个URL参数，用于实现对HTTP/HTTPS协议的反向代理；uwsgi_pass用于代理到uWSGI应用服务器；fastcgi_pass用于代理到FastCGI服务器；而scgi_pass则用于代理到SCGI（Simple Common Gateway Interface）应用。这些指令使Nginx能够灵活地处理不同类型的后端服务和应
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 810
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
leetcode--验证二叉搜索树
liulanba的博客
07-09 672
给你一个二叉树的根节点 root ，判断其是否是一个有效的二叉搜索树。有效 二叉搜索树定义如下：节点的左子树只包含 小于 当前节点的数。节点的右子树只包含 大于 当前节点的数。所有左子树和右子树自身必须也是二叉搜索树。示例 1：输入：root = [2,1,3]输出：true示例 2：输入：root = [5,1,4,null,null,3,6]输出：false解释：根节点的值是 5 ，但是右子节点的值是 4。提示：树中节点数目范围在[1, 104] 内。
MySQL空间索引
你的指尖有改变世界的力量
07-10 272
空间类型是建立在空间类型字段上的。
一键安装ros及出现问题的解决方案
m0_58173801的博客
07-10 576
catkin_make时出现报错如下。
CV06_Canny边缘检测算法和python实现
https://github.com/foxpup11?tab=repositories
07-11 840
https://www.bilibili.com/video/BV1qU4y1U7aK/?spm_id_from=333.337.search-card.all.click&vd_source=7dace3632125a1ef7fd32c285eb2fbac
sklearn基础教程：掌握机器学习入门的钥匙
AIGC绘图领域探索者，热衷于将创意与技术融合，致力于分享前沿AI绘图技巧与心得，让我们一起开启视觉艺术的新篇章。
07-13 736
是基于Python的一个开源机器学习库，它建立在NumPy、SciPy和matplotlib之上，提供了大量的算法和工具，用于数据挖掘和数据分析。无论是简单的线性回归，还是复杂的神经网络，sklearn都能提供直观易用的接口。作为Python中最为流行的机器学习库之一，以其简洁的API、丰富的算法和强大的功能赢得了广大用户的青睐。通过本文的介绍，相信你已经对sklearn有了初步的了解，并能够开始进行一些基础的机器学习任务。
python第三方库pandas例题
12-17
以下是一个使用Python第三方库pandas的例子： ```python import pandas as pd # 创建一个Series对象 data = pd.Series([1, 3, 5, np.nan, 6, 8]) # 创建一个DataFrame对象 df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']}) # 打印Series对象 print("Series对象：") print(data) # 打印DataFrame对象 print("DataFrame对象：") print(df) ``` 这个例子展示了如何使用pandas库中的Series和DataFrame数据结构。Series是一维标签数组，类似于带有标签的NumPy数组。DataFrame是一个二维表格，可以存储不同类型的数据，并且可以通过标签进行索引。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 22
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

神奇夜光杯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值