Python Pandas Series.notna()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.notna() 函数检测现有的（非缺失的）数值。该函数返回一个大小与对象相同的布尔对象，表明这些值是否为缺失值。非缺失值会被映射为True。空字符串 “或numpy.inf等字符不被视为缺失值（除非pandas.options.mode.use_inf_as_na = True被设置）。NA值，如None或numpy.NaN，会被映射为False值。

语法: Series.notna()

参数：无

返回：系列

例子#1：使用Series.notna()函数来检测给定系列对象中的所有非缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([10, 25, 3, 11, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.notna()函数来检测系列对象中的非遗漏值。

# detect non-missing value
result = sr.notna()
  
# Print the result
print(result)

输出 :

正如我们在输出中看到的，Series.notna()函数返回了一个布尔值对象。真表示相应的值没有丢失。假值表示该值是缺失的。在这个系列中，所有的值都是True，因为没有缺失的值。

示例#2：使用Series.notna()函数来检测给定系列对象中的所有非遗漏值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.notna()函数来检测系列对象中的非遗漏值。

# detect non-missing value
result = sr.notna()
  
# Print the result
print(result)

输出 :

正如我们在输出中看到的，Series.notna()函数返回了一个布尔值对象。真表示相应的值没有丢失。假值表示该值是缺失的。