pandas.isna

pandas.isna(obj)[source]

Определение пропущенных значений для массивоподобного объекта.

Эта функция принимает скалярный или массивоподобный объект и указывает, являются ли значения пропущенными (NaN в числовых массивах, None или NaN в массивах объектов, NaT в datetimelike).

Параметры

obj:скаляр или массивоподобный объект

Объект, для проверки на нулевые или пропущенные значения.

Возвращает

bool или массивоподобный массив bool

Для скалярного входного значения возвращает скалярное булевое значение. Для массивоподобного входного значения возвращает массив булевых значений, указывающий, является ли соответствующий элемент пропущенным.

См. также

notna

Булевое обратное значение pandas.isna.

Series.isna

Определение пропущенных значений в Series.

DataFrame.isna

Определение пропущенных значений в DataFrame.

Index.isna

Определение пропущенных значений в Index.

Примеры

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

>>> pd.isna('dog')
False

>>> pd.isna(pd.NA)
True

>>> pd.isna(np.nan)
True

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.isna(array)
array([[False,  True, False],
       [False, False,  True]])

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.isna(index)
array([False, False,  True, False])

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.isna(df)
       0      1      2
0  False  False  False
1  False   True  False

>>> pd.isna(df[1])
0    False
1     True
Name: 1, dtype: bool