pandas.notnull

pandas.notnull(obj) [source]

Определение непустых значений для массивоподобного объекта.

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

Параметры:	obj : array-like or object value Объект, для проверки значений, которые не являются пустыми или пропущенными.
Возвращает:	bool или массивоподобный массив bool Для скалярного входного значения возвращает скалярное булево значение. Для массивоподобного входного значения возвращает массив булевых значений, указывающих, является ли каждое соответствующее значение допустимым.

См. также

isna

Булево отрицание 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) возвращают скалярное булево значение.

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

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

ndarrays возвращают 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