标签:panads -- numpy isnull df notnull True 缺失
缺失值
panads中缺失值有三种:np.nan (Not a Number) 、 None 和 pd.NaT
缺失值判断
可通过函数isnull(),notnull(),isna()判断
以下数据类型变量名=df,例子
1. isnull()
- df.isnull() --判断是否为null,是为True,否为False
2. notnull()
- df.notnull() --判断是否为null,是为False,否为True,与isnull()效果相反
3. isna()
- df.isna() --效果与isnull相同,与notnull相反
4. 此外可以与numpy中的any和all函数一起使用
- numpy.any(参数) --参数中任何一个元素为True,输出=True
- numpy.all(参数) --参数中全部为True,输出=True
- numpy.any(df.notnull) --输出True
- numpy.all(df.notnull) --输出False
标签:panads,--,numpy,isnull,df,notnull,True,缺失 来源: https://www.cnblogs.com/hhs1998/p/15836016.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。