Python|熊猫 isnull() 和 notnull()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。
从 csv 文件制作数据框时，许多空白列作为空值导入数据框，这会在操作该数据框时产生问题。 Pandas isnull() 和 notnull() 方法用于检查和管理数据框中的 NULL 值。

数据框.isnull()

Syntax: Pandas.isnull(“DataFrame Name”) or DataFrame.isnull()
Parameters: Object to check null values for
Return Type: Dataframe of Boolean values which are True for NaN values 
 

要下载使用的 CSV 文件，请单击此处。
示例 #1：使用 isnull()
在下面的示例中，将检查 Team 列的 NULL 值，并由 isnull() 方法返回一个布尔系列，该方法将 True 存储为永远 NaN 值，而 False 存储为 Not null 值。

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("employees.csv")
 
# creating bool series True for NaN values
bool_series = pd.isnull(data["Team"])
 
# filtering data
# displayind data only with team = NaN
data[bool_series]

输出：
如输出图像所示，仅显示 Team=NULL 的行。

Dataframe.notnull()

Syntax: Pandas.notnull(“DataFrame Name”) or DataFrame.notnull()
Parameters: Object to check null values for
Return Type: Dataframe of Boolean values which are False for NaN values 
 

示例 #1：使用 notnull()
在下面的示例中，检查 Gender 列的 NULL 值，并且 notnull() 方法返回一个布尔系列，该方法存储 True 为永远 NON-NULL 值和 False 为 null 值。

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("employees.csv")
 
# creating bool series False for NaN values
bool_series = pd.notnull(data["Gender"])
 
# displayed data only with team = NaN
data[bool_series]

输出：
如输出图像所示，仅显示在 Gender 中具有某些值的行。