Python | Панды dataframe.notna ()

Опубликовано: 28 Марта, 2022

Python - отличный язык для анализа данных, в первую очередь из-за фантастической экосистемы пакетов Python, ориентированных на данные. Pandas - один из таких пакетов, который значительно упрощает импорт и анализ данных.

Pandas dataframe.notna() function detects existing/ non-missing values in the dataframe. The function returns a boolean object having the same size as that of the object on which it is applied, indicating whether each individual value is a na value or not. All of the non-missing values gets mapped to true and missing values get mapped to false.

Примечание. Такие символы, как «пустые строки» или numpy.inf, не считаются значениями NA. (если вы не установите pandas.options.mode.use_inf_as_na = True).

Syntax: DataFrame.notna()
Returns : Mask of bool values for each element in DataFrame that indicates whether an element is not an NA value

Example #1: Use notna() function to find all the non-missing value in the datafram.

# importing pandas as pd
import pandas as pd
  
# Creating the first dataframe 
df = pd.DataFrame({"A":[14, 4, 5, 4, 1],
                   "B":[5, 2, 54, 3, 2], 
                   "C":[20, 20, 7, 3, 8],
                   "D":[14, 3, 6, 2, 6]})
  
# Print the dataframe
df

Let’s use the dataframe.notna() function to find all the non-missing values in the dataframe.

# find non-na values
df.notna()

Выход :

Как мы видим в выходных данных, все не пропущенные значения в кадре данных были сопоставлены с истиной. Нет ложного значения, так как в фрейме данных нет пропущенного значения.

Example #2: Use notna() function to find the non-missing values, when there are missing values in the dataframe.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
                   "B":[7, 2, 54, 3, None], 
                   "C":[20, 16, 11, 3, 8],
                   "D":[14, 3, None, 2, 6]})
  
# find non-missing values
df.notna()

Output :

As we can see in the output, cells which were having na values were mapped as false and all the cells which were having non-missing values were mapped as true.

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.

Python

Python | Панды dataframe.notna ()

РЕКОМЕНДУЕМЫЕ СТАТЬИ