Python Pandas Index.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，它使导入和分析数据更加容易。
Pandas Index.notna() 函数 检测现有的（非遗漏的）数值。返回一个布尔同大小的对象，表明这些值是否为非NA。非遗漏的值会被映射为True。像空字符串 “或numpy.inf这样的字符不被认为是NA值（除非你设置pandas.options.mode.use_inf_as_na = True）。NA值，如None或numpy.NaN，会被映射为False值。

语法: Index.notna()
参数：不接受任何参数。
返回： numpy.ndarray。布尔数组，表示哪些条目不是NA。

例子#1：使用Index.notna()函数来查找Index中所有的非遗漏值。

# importing pandas as pd
import pandas as pd
 
# Creating the Index
idx = pd.Index(['Labrador', None, 'Beagle', 'Mastiff',
                    'Lhasa', None, 'Husky', 'Beagle'])
# Print the Index
idx

输出 :

现在我们检查索引中的非缺失值。

# checks for non-missing values.
idx.notna()

输出 :

该函数返回一个array对象，其大小与索引的大小相同。真值表示索引标签没有丢失，假值表示索引标签丢失。

示例#2：使用Index.notna()函数来检查Datetime索引中的非缺失标签。

# importing pandas as pd
import pandas as pd
 
# Creating the Datetime Index
idx = pd.DatetimeIndex([pd.Timestamp('2015-02-11'),
                    None, pd.Timestamp(''), pd.NaT])
 
# Print the Datetime Index
idx

输出 :

现在我们将检查Datetime Index中的标签是否存在或丢失。

# test whether the passed Datetime
# Index labels are missing or not.
idx.notna()

输出 :

正如我们在输出中看到的，该函数返回了一个数组对象，其大小与Datetime索引的大小相同。真值表示索引标签没有丢失，假值表示索引标签丢失。