pandas.Index.isnull

Index.isnull()[source]

Обнаружение пропущенных значений.

Возвращает булевый массив того же размера, указывающий, являются ли значения NA. Значения NA, такие как None, numpy.NaN или pd.NaT, отображаются как значения True. Все остальное отображается как значения False. Символы, такие как пустые строки ‘’ или numpy.inf, не считаются значениями NA (если вы не зададите pandas.options.mode.use_inf_as_na = True).

Возвращает

numpy.ndarray[bool]

Булевый массив, указывающий, являются ли мои значения NA.

См. также

Index.notna

Булево обратное значение isna.

Index.dropna

Исключить записи с пропущенными значениями.

isna

Основная функция isna.

Series.isna

Обнаружение пропущенных значений в объекте Series.

Примеры

Показать, какие записи в pandas.Index являются NA. 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])

Пустые строки не считаются значениями NA. None считается значением NA.

>>> idx = pd.Index(['black', '', 'red', None])
>>> idx
Index(['black', '', 'red', None], dtype='object')
>>> idx.isna()
array([False, False, False,  True])

Для дат и времени NaT (Not a Time) считается значением NA.

>>> 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])