pandas notna() 检测非缺失值

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

notna() 方法用于检测 DataFrame 或 Series 中非缺失值（即不为 NaN 或 None 的值）。它与 isna() 方法相对，返回一个布尔型的 DataFrame 或 Series，其中非缺失值标记为 True，缺失值标记为 False。

语法

检测现有（非缺失）值。DataFrame.notnull 是 notna()的别名。

DataFrame.notna()

返回一个大小相同的布尔对象，指示值是否不是NA。不缺失的值映射为True。空字符串“”或numpy.inf等字符不被视为NA值（除非您将 pandas.options.mode.use_inf_as_na = True 设置为True）。NA值，如None或 numpy.NaN，映射到False值。

适用数据类型

DataFrame
Series

参数

notna() 方法没有额外的参数。

返回值

返回值类型:
- 对于 DataFrame，返回一个布尔型 DataFrame。
- 对于 Series，返回一个布尔型 Series。
返回值说明: 返回的布尔型对象与原数据结构相同，非缺失值 (NaN 或 None) 被标记为 True，缺失值标记为 False。

使用场景

数据清洗: 在数据处理过程中，需要识别非缺失值。notna() 可以帮助检测和定位这些非缺失值，以便进一步操作。
数据分析: 在分析数据时，了解哪些数据是有效的（即非缺失值）是很重要的。notna() 方法可以帮助识别有效数据点。
数据预处理: 在进行数据分析和建模之前，通常需要处理数据中的缺失值。notna() 方法可以用来检查数据的有效性，并决定如何填补或处理缺失值。

示例

显示DataFrame中哪些条目不是NA。

df = pd.DataFrame(dict(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.notna()
'''
     age   born  name    toy
0   True  False  True  False
1   True   True  True   True
2  False   True  True   True
'''

显示系列中哪些条目不是NA。

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

ser.notna()
'''
0     True
1     True
2    False
dtype: bool
'''

案例

例1: 基本使用

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'A': [1, np.nan, 3, np.nan],
    'B': [np.nan, 2, np.nan, 4]
}
df = pd.DataFrame(data)

# 使用 notna 检测非缺失值
notna_df = df.notna()

print(df)
print(notna_df)

输出:

'''
     A    B
0  1.0  NaN
1  NaN  2.0
2  3.0  NaN
3  NaN  4.0

       A      B
0   True  False
1  False   True
2   True  False
3  False   True
'''

在这个例子中，notna() 方法将 DataFrame 中的非缺失值标记为 True，缺失值 NaN 标记为 False。

例2: 使用在 Series 上

import pandas as pd
import numpy as np

# 构造示例数据
data = pd.Series([1, np.nan, 3, np.nan])

# 使用 notna 检测非缺失值
notna_series = data.notna()

print(data)
print(notna_series)

输出:

'''
0    1.0
1    NaN
2    3.0
3    NaN
dtype: float64

0     True
1    False
2     True
3    False
dtype: bool
'''

在这个例子中，notna() 方法对 Series 中的非缺失值进行标记，返回布尔型 Series，其中非缺失值被标记为 True，缺失值被标记为 False。

例3: 检测混合数据类型的 DataFrame

import pandas as pd
import numpy as np

# 构造示例数据
data = {
    'A': [1, 'b', np.nan],
    'B': [np.nan, 2.0, 'c']
}
df = pd.DataFrame(data)

# 使用 notna 检测非缺失值
notna_df = df.notna()

print(df)
print(notna_df)

输出:

'''
     A    B
0    1  NaN
1    b  2.0
2  NaN    c

       A      B
0   True  False
1   True   True
2  False   True
'''

在这个例子中，notna() 方法检测了 DataFrame 中的各种数据类型，包括数字、字符串和 NaN，并返回布尔型 DataFrame，准确标记了非缺失值。

总结

notna() 方法是数据预处理和分析的重要工具，它能够识别和定位数据中的非缺失值。通过返回布尔型数据结构，notna() 使得检测有效数据变得直观且方便。对于数据清洗、分析和建模过程中的缺失值处理，它是一个有用的方法。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.notna.html

pandas notna() 检测非缺失值

语法

适用数据类型

参数

返回值

使用场景

示例

案例

总结

参考

相关内容