pandas.notnull

pandas.notnull(obj) [source]

Определяет значения, не являющиеся пропущенными, для массивоподобного объекта.

Эта функция принимает скалярное или массивоподобное значение и указывает, являются ли значения допустимыми (не пропущенными, что является NaN в числовых массивах, None или NaN в массивах объектов, NaT в datetimelike).

Параметры:	obj : массивоподобный объект или значение Объект для проверки на отсутствие пустых или пропущенных значений.
Возвращает:	bool или массивоподобный массив bool Для скалярного ввода возвращает скалярное булевое значение. Для массивоподобного ввода возвращает массив булевых значений, указывающий, является ли каждое соответствующее значение допустимым.

См. также

isna

логическое обратное значение pandas.notna.

Series.notna

Определяет допустимые значения в Series.

DataFrame.notna

Определяет допустимые значения в DataFrame.

Index.notna

Определяет допустимые значения в индексе.

Примеры

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

>>> pd.notna('dog')
True

>>> pd.notna(np.nan)
False

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.notna(array)
array([[ True, False,  True],
       [ True,  True, False]])

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.notna(index)
array([ True,  True, False,  True])

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

>>> 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