pandas.Index.isnull

Index.isnull() [source]

Обнаружение пропущенных значений.

Возвращает булевый объект той же размерности, указывающий, являются ли значения пропущенными. Пропущенные значения, такие как None, numpy.NaN или pd.NaT, отображаются как значения True. Все остальные значения отображаются как значения False. Символы, такие как пустые строки ‘’ или numpy.inf, не считаются пропущенными значениями (если вы не установите pandas.options.mode.use_inf_as_na = True).

Введено в версии 0.20.0.

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

См. также

pandas.Index.notna

Булевое обратное значение isna.

pandas.Index.dropna

Опускание строк 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. 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 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)