pandas.notna

pandas.notna(obj) [source]

Определение ненулевых значений для массивоподобного объекта.

Эта функция принимает скаляр 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 отсутствие нулевых или пропущенных значений.
Возвращает:	bool или массивоподобный объект bool Для скалярного входного значения возвращает скалярное логическое значение. Для массивоподобного входного значения возвращает массив логических значений, указывающий, является ли каждое соответствующее значение допустимым.

См. также

isna

Логическое обратное значение pandas.notna.

Series.notna

Определение допустимых значений в Series.

DataFrame.notna

Определение допустимых значений в DataFrame.

Index.notna

Определение допустимых значений в Index.

Примеры

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

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

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

ndarrays приводят к ndarray логических 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 логических 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 логические 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