pandas.isnull

pandas.isnull(obj) [source]

Обнаружение отсутствующих значений для массивоподобного объекта.

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

Параметры:	obj : скалярный или массивоподобный Объект для проверки на пустые или отсутствующие значения.
Возвращает:	bool или массивоподобный bool Для скалярного ввода возвращает скалярный булево. Для ввода массива возвращает массив булевых значений, указывающий, является ли каждое соответствующее значение отсутствующим.

См. также

notna

булевый инверсный оператор pandas.isna.

Series.isna

Обнаружение отсутствующих значений в Series.

DataFrame.isna

Обнаружение отсутствующих значений в DataFrame.

Index.isna

Обнаружение отсутствующих значений в Index.

Примеры

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

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

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

ndarrays приводят к 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 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