【Pandas】pandas isnull

Pandas2.2 General

Top-level missing data

pandas.isnull()

pandas.isnull() 是 Pandas 库中的一个函数，它用于检测数据中的缺失值。以下是该函数参数的详细介绍，以及示例和结果。

def isna(obj: object) -> bool | npt.NDArray[np.bool_] | NDFrame:
    ...

参数

• obj：array-like, Series, DataFrame, or scalar
  • 待检测的对象，即需要检查是否存在缺失值的数据。可以是类似数组的对象、Series、DataFrame 或标量值。

返回值

• 返回一个与输入数据形状相同的布尔值对象（或布尔数组），指示相应位置上是否存在缺失值（NaN 或 None）。

示例 1：检查标量中的缺失值

import pandas as pd

# 标量值检查
result = pd.isnull('dog')

print(result)

结果：

False

解释：标量值 'dog' 不是缺失值。

示例 2：检查 numpy 数组中的缺失值

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 numpy 数组
array = np.array([[1, np.nan, 3], [4, 5, np.nan]])

# 使用 isnull() 检查缺失值
result = pd.isnull(array)

print(result)

结果：

[[False  True False]
 [False False  True]]

解释：数组中的 np.nan 被识别为缺失值，返回 True。

示例 3：检查 Pandas Series 中的缺失值

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 Series
series = pd.Series([1, 2, np.nan, 4, None, 6])

# 使用 isnull() 检查缺失值
result = pd.isnull(series)

print(result)

结果：

0    False
1    False
2     True
3    False
4     True
5    False
dtype: bool

解释：Series 中的 np.nan 和 None 被识别为缺失值，返回 True。

示例 4：检查 Pandas DataFrame 中的缺失值

import pandas as pd
import numpy as np

# 创建一个包含缺失值的 DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [None, 2, 3, 4],
    'C': [1, np.nan, np.nan, 4]
})

# 使用 isnull() 检查缺失值
result = pd.isnull(df)

print(result)

结果：

       A      B      C
0  False   True  False
1  False  False   True
2   True  False   True
3  False  False  False

解释：DataFrame 中的 np.nan 和 None 被识别为缺失值，返回相应的布尔 DataFrame。

注意事项

• pandas.isnull() 与 pandas.isna() 是完全相同的函数，可以互换使用。
• 对于非数值类型的列（如字符串或日期时间），只有 None 值会被视为缺失，而 NaN 不会。
• 在处理大型数据集时，isnull() 可能会消耗较多内存，因为它会创建一个与原 DataFrame 大小相同的新 DataFrame。

通过这些示例，你可以看到 pandas.isnull() 如何用于检测不同对象中的缺失值。这个函数在处理数据时非常有用，特别是当你需要清理或分析数据时。