pandas.isna

pandas.isna(obj)[source]

Определение пропущенных значений для массивоподобного объекта.

Эта функция принимает скалярное или массивоподобное значение 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 наличие нулевых или пропущенных значений.

Возвращает:

bool или массивоподобный bool

Для скалярного входного значения возвращает скалярное булево значение. Для массивоподобного входного значения возвращает массив булевых значений, указывающих, 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