pandas.Index.isna

Index.isna() [source]

Обнаружение пропущенных значений.

Возвращает булево значение той же размерности, указывающее, являются ли значения пропущенными. Пропущенные значения, такие как None, numpy.NaN или pd.NaT, преобразуются в True значения. Всё остальное преобразуется в False значения. Символы, такие как пустые строки ‘’ или numpy.inf, не считаются пропущенными значениями (если вы не установили pandas.options.mode.use_inf_as_na = True).

Добавлена в версии 0.20.0.

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

См. также

pandas.Index.notna

Логическое отрицание isna.

pandas.Index.dropna

Исключение записей с пропущенными значениями.

pandas.isna

Функция isna верхнего уровня.

Series.isna

Обнаружение пропущенных значений в объекте Series.

Примеры

Показать, какие записи в pandas.Index являются пропущенными. Результатом является 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, NaT (Не время) 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)