熊猫.isnull #

熊猫。isnull ( obj ) [来源] #

检测类似数组的对象的缺失值。

此函数采用标量或类似数组的对象，并指示是否缺少值（NaN在数值数组中，None或NaN 在对象数组中，NaT在类似日期时间的数组中）。

参数：

obj标量或类似数组: 用于检查空值或缺失值的对象。

返回：

bool 或类似 bool 的数组: 对于标量输入，返回标量布尔值。对于数组输入，返回一个布尔值数组，指示每个对应元素是否缺失。

也可以看看

notna: pandas.isna 的布尔逆。
Series.isna: 检测系列中的缺失值。
DataFrame.isna: 检测 DataFrame 中的缺失值。
Index.isna: 检测索引中的缺失值。

例子

标量参数（包括字符串）产生标量布尔值。

>>> pd.isna('dog')
False

>>> pd.isna(pd.NA)
True

>>> pd.isna(np.nan)
True

ndarrays 生成布尔值的 ndarray。

>>> 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]])

对于索引，返回布尔值的 ndarray。

>>> 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])

对于 Series 和 DataFrame，返回相同的类型，包含布尔值。

>>> 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