【Pandas】pandas Series notnull
# Pandas2.2 Series
## Computations descriptive stats
|方法|描述|
|-|:-------|
|Series.backfill(*[, axis, inplace, limit, ...])|用于填充 `Series` 中缺失值（NaN）的方法|
|Series.bfill(*[, axis, inplace, limit, ...])|用于填充 `Series` 中缺失值（NaN）的方法|
|Series.dropna(*[, axis, inplace, how, ...])|用于删除 `Series` 中包含缺失值（NaN）的元素的方法|
|Series.ffill(*[, axis, inplace, limit, ...])|用于填充 `Series` 中缺失值（NaN）的方法|
|Series.fillna([value, method, axis, ...])|用于填充 `Series` 中缺失值（NaN）的方法|
|Series.interpolate([method, axis, limit, ...])|用于填充 `Series` 中缺失值（NaN）的方法|
|Series.isna()|用于检测 `Series` 中的缺失值（NaN）的方法|
|Series.isnull()|用于检测 `Series` 中的缺失值（NaN）的方法|
|Series.notna()|用于检测 `Series` 中的非缺失值（即不是 NaN 或 None）的方法|
|Series.notnull()|用于检测 `Series` 中的非缺失值（即不是 NaN 或 None）的方法|
### pandas.Series.notnull
`pandas.Series.notnull()` 是用于检测 `Series` 中的非缺失值（即不是 NaN 或 None）的方法。它会返回一个布尔型的 `Series`，其中每个元素表示对应位置是否为非缺失值。`notnull()` 方法与 `notna()` 方法功能相同，二者可以互换使用。
#### 参数说明
- 无参数。
#### 返回值
- **Series**：布尔型的 `Series`，与原 `Series` 长度相同，值为 `True` 表示该位置不是缺失值，值为 `False` 表示该位置是缺失值。
#### 示例及结果
##### 示例1：基本用法
```python
import pandas as pd
import numpy as np
# 创建一个包含缺失值的 Series
s = pd.Series([1, np.nan, 'hello', None, 5])
print("原始 Series:")
print(s)
# 使用 notnull 方法检测非缺失值
not_null_s = s.notnull()
print("\n检测非缺失值后的 Series (使用 notnull):")
print(not_null_s)
```
**输出结果：**
```plaintext
原始 Series:
0 1
1 NaN
2 hello
3 None
4 5
dtype: object
检测非缺失值后的 Series (使用 notnull):
0 True
1 False
2 True
3 False
4 True
dtype: bool
```
##### 示例2：结合布尔索引筛选非缺失值
```python
# 使用 notnull 方法结合布尔索引筛选非缺失值
non_missing_values = s[s.notnull()]
print("\n筛选出的非缺失值:")
print(non_missing_values)
```
**输出结果：**
```plaintext
筛选出的非缺失值:
0 1
2 hello
4 5
dtype: object
```
##### 示例3：比较 `notnull` 和 `notna`
```python
# 比较 notnull 和 notna 的结果
not_na_s = s.notna()
print("\n使用 notna 方法检测非缺失值:")
print(not_na_s)
print("\n使用 notnull 方法检测非缺失值:")
print(not_null_s)
# 检查两个方法的结果是否一致
print("\nnotnull 和 notna 的结果是否一致:", not_na_s.equals(not_null_s))
```
**输出结果：**
```plaintext
使用 notna 方法检测非缺失值:
0 True
1 False
2 True
3 False
4 True
dtype: bool
使用 notnull 方法检测非缺失值:
0 True
1 False
2 True
3 False
4 True
dtype: bool
notnull 和 notna 的结果是否一致: True
```
通过这些示例，可以看到 `notnull` 方法能够有效地检测 `Series` 中的非缺失值，并返回布尔型的结果，便于进一步的数据处理和分析。`notnull` 和 `notna` 方法在功能上完全相同，可以根据个人习惯选择使用。
#### 总结
- `notnull()` 和 `notna()` 方法用于检测 `Series` 中的非缺失值。
- 返回值是一个布尔型的 `Series`，`True` 表示非缺失值，`False` 表示缺失值。
- 可以结合布尔索引进行数据筛选，提取非缺失值部分。
#### 应用场景
- **数据清洗**：在数据预处理阶段，可以使用 `notnull()` 或 `notna()` 来识别并处理缺失值。
- **数据过滤**：结合布尔索引，可以轻松地从 `Series` 或 `DataFrame` 中筛选出非缺失值，以便进一步分析或建模。
- **数据验证**：确保数据集中没有意外的缺失值，特别是在关键字段中。
这两种方法在处理缺失值时非常有用，能够帮助用户更高效地管理和分析数据。