Python 处理DataFrame数据 pd.isnull() np.isnan()的方式

最新推荐文章于 2025-03-17 21:40:13 发布

琥珀彩

最新推荐文章于 2025-03-17 21:40:13 发布

阅读量9.3k

点赞数 1

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/ac540101928/article/details/111757730

版权

Python 专栏收录该内容

19 篇文章

订阅专栏

本文介绍了在Python数据处理中，如何使用pd.isnull()和np.isnan()来检测DataFrame中的空值。这两个函数都能检测空值，但pd.isnull()通常用于DataFrame或Series的整体检验，而np.isnan()则常用于单个值的检查。pandas还提供了与pd.isnull()功能相同的pd.isna()函数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据处理时，经常会遇到处理数据中的空值，涉及几个常用函数，pd.isnull()，pd.notnull()，np.isnan()，pd.notna()，pd.isna()，pd.fillna()、pd.dropna()等等.

本文关注pd.isnull()，pd.notnull()，np.isnan()，pd.notna()，pd.isna()。

总结：由下可知，np.isnan()和pd.isnull()都可以对不论是DataFrame、Python list还是仅仅一个数值进行空值检测。但一般在实际应用中，np.isnan()多用于单个值的检验，pd.isnull()用于对一个DataFrame或Series（整体）的检验。

1.pd.isnull()

pd.isnull()可以对不论是DataFrame、Python list还是仅仅一个数值进行空值检测。但一般在实际应用中，pd.isnull()用于对一个DataFrame或Series（整体）的检验。

此外，根据pandas官方文档和源代码，pandas提供的另一个函数pd.isna()与pd.isnull()完全一样。

# 首先创建一个DataFrame：
df = pd.DataFrame({'a':[0,1,2,np.nan]})
df
 
>>>     a
    0	0.0
    1	1.0
    2	2.0
    3	NaN
 
# 测试isnull()
pd.isnull(df)
>>>     a
    0	False
    1	False
    2	False
    3	True

# 测试isna()
pd.isna(df)
>>>     a
    0	False
    1	False
    2	False
    3	True

# 测试notnull()
pd.notnull(df)
>>>     a
    0	True
    1	True
    2	True
    3	False

# 测试notna()
pd.notna(df)
>>>     a
    0	True
    1	True
    2	True
    3	False

2.np.nan()

判断是否为np.nan()。

np.nan不是一个“空”对象，对某个值是否为空值进行判断，只能用np.isnan(i)函数。

np.nan非空对象，其类型为基本数据类型float。

np.nan()可以对不论是DataFrame、Python list还是仅仅一个数值进行空值检测。但一般在实际应用中，np.nan()多用于单个值的检验。

np.nan == np.nan
>>> False

np.isnan(np.nan)
>>> True

type(np.nan)
>>> float

np.nan is None
>>> False

np.isnan(df)
>>>     a
    0	False
    1	False
    2	False
    3	True