Python Pandas dataframe.notna()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，使导入和分析数据变得更加容易。
Pandas dataframe.notna()函数检测数据框架中现有的/非遗漏的值。该函数返回一个布尔对象，其大小与应用该函数的对象相同，表明每个单独的值是否是na值。所有的非缺失值都被映射为真，缺失值被映射为假。
注意：诸如空字符串 “或numpy.inf等字符不被视为NA值。(除非你设置pandas.options.mode.use_inf_as_na = True）。

语法:

DataFrame.notna()

返回 : DataFrame中每个元素的bool值的掩码，表示一个元素是否为NA值。

示例#1：使用notna()函数来查找数据框中所有的非缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the first dataframe 
df = pd.DataFrame({"A":[14, 4, 5, 4, 1],
                   "B":[5, 2, 54, 3, 2], 
                   "C":[20, 20, 7, 3, 8],
                   "D":[14, 3, 6, 2, 6]})
  
# Print the dataframe
df

让我们使用dataframe.notna()函数来找到数据框中所有的非遗漏值。

# find non-na values
df.notna()

输出 :

正如我们在输出中看到的，数据框架中所有的非缺失值都被映射为真。由于数据框架中没有缺失值，所以没有假值。

示例2：当数据帧中存在缺失值时，使用notna()函数来查找非缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8],
                   "D":[14, 3, None, 2, 6]})
  
# find non-missing values
df.notna()

输出 :

正如我们在输出中看到的，有na值的单元格被映射为false，所有有非缺失值的单元格被映射为true。