pandas.notnull

pandas.notnull(obj)[source]

Обнаружение ненулевых значений для массивоподобного объекта.

Эта функция принимает скаляр или массивоподобный объект и указывает, являются ли значения допустимыми (не отсутствуют, что в числовых массивах является NaN , в массивах объектов None или NaN , в datetimelike NaT).

Параметры:

obj:массивоподобный объект или значение объекта

Объект, для проверки наличия не пустых или не пропущенных значений.

Возвращает:

bool или массивоподобный массив bool

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

См. также

isna

Булева инверсия pandas.notna.

Series.notna

Обнаружение допустимых значений в Series.

DataFrame.notna

Обнаружение допустимых значений в DataFrame.

Index.notna

Обнаружение допустимых значений в Index.

Примеры

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

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

>>> pd.notna(pd.NA)
False

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

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.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