pandas 0.23 - pandas.notnull()

pandas.notnull




pandas

pandas.notnull

pandas.notnull(obj) [source]

एक सरणी जैसी वस्तु के लिए गैर-लापता मान का पता लगाएं।

यह फ़ंक्शन एक स्केलर या सरणी-समान ऑब्जेक्ट लेता है और यह बताता है कि मान मान्य हैं (गायब नहीं है, जो संख्यात्मक सरणियों में NaN , ऑब्जेक्ट सरणियों में None या NaN , datetimelike में NaT )।

पैरामीटर:

obj : array-like या object value

अशक्त या गैर- मान वाले मूल्यों की जांच करने के लिए वस्तु।

यह दिखाता है:

बूल या सरणी-बूल की तरह

स्केलर इनपुट के लिए, एक स्केलर बूलियन देता है। सरणी इनपुट के लिए, बूलियन के एक सरणी को दर्शाता है कि क्या प्रत्येक संबंधित तत्व वैध है।

यह भी देखें

isna
पंडों का बूलियन उलटा। नोटना।
Series.notna
एक श्रृंखला में डिटेक्टिव मान्य मान।
DataFrame.notna
किसी DataFrame में मान्य मानों का पता लगाएँ।
Index.notna
एक सूचकांक में मान्य मूल्यों का पता लगाएं।

उदाहरण

स्केलर तर्क (तार सहित) एक स्केलर बूलियन में परिणाम।

>>> pd.notna('dog')
True
>>> pd.notna(np.nan)
False

ndarrays के परिणामस्वरूप गूलर का फूल जाता है।

>>> array = np.array([[1, np.nan, 3], [4, 5, np.nan]])
>>> array
array([[ 1., nan,  3.],
       [ 4.,  5., nan]])
>>> pd.notna(array)
array([[ True, False,  True],
       [ True,  True, False]])

अनुक्रमित के लिए, बूलियन्स का एक ndarray वापस आ गया है।

>>> index = pd.DatetimeIndex(["2017-07-05", "2017-07-06", None,
...                          "2017-07-08"])
>>> index
DatetimeIndex(['2017-07-05', '2017-07-06', 'NaT', '2017-07-08'],
              dtype='datetime64[ns]', freq=None)
>>> pd.notna(index)
array([ True,  True, False,  True])

श्रृंखला और डेटाफ़्रेम के लिए, एक ही प्रकार वापस किया जाता है, जिसमें बूलियन होते हैं।

>>> df = pd.DataFrame([['ant', 'bee', 'cat'], ['dog', None, 'fly']])
>>> df
     0     1    2
0  ant   bee  cat
1  dog  None  fly
>>> pd.notna(df)
      0      1     2
0  True   True  True
1  True  False  True
>>> pd.notna(df[1])
0     True
1    False
Name: 1, dtype: bool