pandas.isna

pandas.isna(obj) [source]

Обнаружение пропущенных значений для массивоподобного объекта.

Эта функция принимает скаляр или массивоподобный объект и указывает, являются ли значения пропущенными (NaN в числовых массивах, None или NaN в массивах объектов, NaT в массивах datetimelike).

Параметры:	obj : скаляр или массивоподобный объект Объект, для которого нужно проверить наличие нулевых или пропущенных значений.
Возвращаемое значение:	bool или массивоподобный массив bool Для скалярного входного значения возвращает скалярное булево значение. Для массивоподобного входного значения возвращает массив булевых значений, указывающий, является ли соответствующий элемент пропущенным.

См. также

notna

логическое обратное значение pandas.isna.

Series.isna

Обнаружение пропущенных значений в Series.

DataFrame.isna

Обнаружение пропущенных значений в DataFrame.

Index.isna

Обнаружение пропущенных значений в Index.

Примеры

Скалярные аргументы (включая строки) приводят к скалярному булеву значению.

>>> pd.isna('dog')
False

>>> pd.isna(np.nan)
True

Массивы ndarray приводят к массиву ndarray булевых значений.

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

Для индексов возвращается массив ndarray булевых значений.

>>> 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.isna(index)
array([False, False,  True, False])

Для Series и DataFrame возвращается тот же тип, содержащий булевы значения.

>>> df = pd.DataFrame([['ant', 'bee', 'cat'], ['dog', None, 'fly']])
>>> df
     0     1    2
0  ant   bee  cat
1  dog  None  fly
>>> pd.isna(df)
       0      1      2
0  False  False  False
1  False   True  False

>>> pd.isna(df[1])
0    False
1     True
Name: 1, dtype: bool