pandas.notnull #

熊猫。notnull ( obj ) [来源] #

检测类似数组的对象的非缺失值。

此函数采用标量或类似数组的对象，并指示值是否有效（不丢失，NaN在数值数组中，None或NaN在对象数组中，NaT在日期时间中）。

参数：

obj类似数组或对象值: 用于检查非空值或非缺失值的对象。

返回：

bool 或类似 bool 的数组: 对于标量输入，返回标量布尔值。对于数组输入，返回一个布尔数组，指示每个对应元素是否有效。

也可以看看

isna: pandas.notna 的布尔逆。
Series.notna: 检测系列中的有效值。
DataFrame.notna: 检测 DataFrame 中的有效值。
Index.notna: 检测索引中的有效值。

例子

标量参数（包括字符串）产生标量布尔值。

>>> pd.notna('dog')
True

>>> pd.notna(pd.NA)
False

>>> pd.notna(np.nan)
False

ndarrays 生成布尔值的 ndarray。

>>> array = np.array([[1, np.nan, 3], [4, 5, np.nan]])
>>> array
array([[ 1., nan,  3.],
       [ 4.,  5., nan]])
>>> pd.notna(array)
array([[ True, False,  True],
       [ True,  True, False]])

对于索引，返回布尔值的 ndarray。

>>> index = pd.DatetimeIndex(["2017-07-05", "2017-07-06", None,
...                          "2017-07-08"])
>>> index
DatetimeIndex(['2017-07-05', '2017-07-06', 'NaT', '2017-07-08'],
              dtype='datetime64[ns]', freq=None)
>>> pd.notna(index)
array([ True,  True, False,  True])

对于 Series 和 DataFrame，返回相同的类型，包含布尔值。

>>> df = pd.DataFrame([['ant', 'bee', 'cat'], ['dog', None, 'fly']])
>>> df
     0     1    2
0  ant   bee  cat
1  dog  None  fly
>>> pd.notna(df)
      0      1     2
0  True   True  True
1  True  False  True

>>> pd.notna(df[1])
0     True
1    False
Name: 1, dtype: bool