Python pandas.DataFrame.isna函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.isna方法的使用。

DataFrame.isna(self) [source]

检测缺失值。

返回一个布尔值相同大小的对象，指示值是否为NA。NA值（例如,None或numpy.NaN）被映射为True值。其他所有内容都映射为False值。诸如空字符串之类的字符''或numpy.inf不被视为NA值的字符（除非您设置）。pandas.options.mode.use_inf_as_na = True

返回值：	`DataFrame` `DataFrame`中每个元素的布尔值掩码，指示元素是否不是NA值。

例子

显示DataFrame中的哪些条目不适用

>>> df = pd.DataFrame({'age': [5, 6, np.NaN],
...                    'born': [pd.NaT, pd.Timestamp('1939-05-27'),
...                             pd.Timestamp('1940-04-25')],
...                    'name': ['Alfred', 'Batman', ''],
...                    'toy': [None, 'Batmobile', 'Joker']})
>>> df
   age       born    name        toy
0  5.0        NaT  Alfred       None
1  6.0 1939-05-27  Batman  Batmobile
2  NaN 1940-04-25              Joker

>>> df.isna()
     age   born   name    toy
0  False   True  False   True
1  False  False  False  False
2   True  False  False  False

显示系列中的哪些条目不适用

>>> ser = pd.Series([5, 6, np.NaN])
>>> ser
0    5.0
1    6.0
2    NaN
dtype: float64

>>> ser.isna()
0    False
1    False
2     True
dtype: bool