pandas.Index.isnull

Index.isnull() [source]

Определение пропущенных значений.

Возвращает объект того же размера, что и исходный, содержащий булевы значения, указывающие, являются ли значения NaN. Значения NaN, такие как None, numpy.NaN или pd.NaT, преобразуются в значения True. Все остальные значения преобразуются в значения False. Символы, такие как пустые строки ‘’ или numpy.inf, не считаются значениями NaN (если вы не зададите pandas.options.mode.use_inf_as_na = True).

Введено в версии 0.20.0.

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

См. также

pandas.Index.notna

логическое обратное значение isna.

pandas.Index.dropna

исключить записи с пропущенными значениями.

pandas.isna

главная функция isna.

Series.isna

обнаружение пропущенных значений в объекте Series.

Примеры

Показать, какие записи в pandas.Index являются NaN. 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 значениями NaN. None считается значением NaN.

>>> 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) рассматривается как значение NaN.

>>> 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)