pandas.Index.isna

Index.isna() [source]

Определение пропущенных значений.

Возвращает булевое значение той же размерности, указывающее, являются ли значения пропущенными. Пропущенные значения, такие как None, numpy.NaN или pd.NaT, отображаются как значения True. Все остальные значения отображаются как False значения. Символы, такие как пустые строки ‘’ или numpy.inf, не считаются пропущенными значениями (если вы не установите pandas.options.mode.use_inf_as_na = True).

Введено в версии 0.20.0.

Возвращает:	numpy.ndarray Булевый массив, указывающий, являются ли мои значения пропущенными

См. также

pandas.Index.notna

логическое обратное значение isna.

pandas.Index.dropna

исключение записей с пропущенными значениями.

pandas.isna

основное isna.

Series.isna

определение пропущенных значений в объекте Series.

Примеры

Показать, какие записи в pandas.Index являются пропущенными. Результат — массив.

>>> idx = pd.Index([5.2, 6.0, np.NaN])
>>> idx
Float64Index([5.2, 6.0, nan], dtype='float64')
>>> idx.isna()
array([False, False,  True], dtype=bool)

Пустые строки не считаются пропущенными значениями. None считается пропущенным значением.

>>> idx = pd.Index(['black', '', 'red', None])
>>> idx
Index(['black', '', 'red', None], dtype='object')
>>> idx.isna()
array([False, False, False,  True], dtype=bool)

Для дат и времени NaT (Not a Time) считается пропущенным значением.

>>> idx = pd.DatetimeIndex([pd.Timestamp('1940-04-25'),
...                         pd.Timestamp(''), None, pd.NaT])
>>> idx
DatetimeIndex(['1940-04-25', 'NaT', 'NaT', 'NaT'],
              dtype='datetime64[ns]', freq=None)
>>> idx.isna()
array([False,  True,  True,  True], dtype=bool)