pandas.notnull

pandas.notnull(obj) [source]

Обнаружение ненулевых значений для массивоподобного объекта.

Эта функция принимает скалярный или массивоподобный объект 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 : array-like or object value Объект для проверки на не пустые или не пропущенные значения.
Возвращает:	bool или массивоподобный массив bool Для скалярного ввода возвращает скалярный булево. Для входного массива возвращает массив булевых значений, указывающий, является ли каждое соответствующее значение допустимым.

См. также

isna

Булево обратное значение pandas.notna.

Series.notna

Обнаружение допустимых значений в Series.

DataFrame.notna

Обнаружение допустимых значений в DataFrame.

Index.notna

Обнаружение допустимых значений в Index.

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 булевы 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