pandas.isnull

pandas.isnull(obj)[source]

Обнаружение 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:скалярный или массивоподобный

Объект для проверки на нулевые или отсутствующие значения.

Возвращает

bool или массивоподобный bool

Для скалярного ввода возвращает скалярное булево значение. Для массивоподобного ввода возвращает массив булевых значений, указывающий, отсутствует ли соответствующий элемент.

См. также

notna

Булево обратное значение pandas.isna.

Series.isna

Обнаружение пропущенных значений в Series.

DataFrame.isna

Обнаружение пропущенных значений в DataFrame.

Index.isna

Обнаружение 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