Pandas 缺失值检测：isnull、isna、notnull、notna

isnull()、isna()、notnull() 和 notna() 是在数据处理中常用的方法，尤其是在处理 Pandas 数据库时，它们主要用于快速定位和识别缺失值（NaN）。

这4个函数均为Pandas的布尔检测方法，返回与原始数据形状相同的布尔值对象（True / False）：
isnull()与isna()：检测缺失值，返回True表示对应位置为缺失值。
notnull()与notna()：检测非缺失值，返回True表示对应位置有有效数据。

isnull() 和 isna()
- 功能：二者功能完全一致，isna()是isnull()的别名，都用于检测数据中的缺失值。如果某个位置是缺失值（NaN），返回 True；否则返回 False。
- 返回值：返回一个与原数据形状相同的布尔型数据结构（如布尔型 DataFrame 或布尔型 Series），其中每个元素表示对应位置是否为缺失值。
- 检测范围：识别NaN、None、NaT（时间缺失值）
```
import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, np.nan, 3],
    'B': [4, 5, np.nan]
})

print(df.isnull())  # 或 df.isna()
```
  输出：
```
    A      B
0  False  False
1   True  False
2  False   True
```

np.nan 是 Python 中表示“非数字”（Not a Number）的特殊浮点数值，通常用于表示缺失或未定义的数据。它属于 NumPy 库的一部分，因此在使用时需要导入 NumPy 库，或者在引用时加上 np. 前缀，其中 np 通常是 NumPy 库的别名。

print(df)

输出

         A      B
    0  1.0  4.0
    1  NaN  5.0
    2  3.0  NaN

notnull() 和 notna()
- 功能：功能相同，二者互为别名，用于检测数据中非缺失值。如果某个位置是非缺失值，返回 True；否则返回 False。
- 返回值：返回一个与原数据形状相同的布尔型数据结构，其中每个元素表示对应位置是否为非缺失值。
```
print(df.notnull())  # 或 df.notna()
```
  输出：
```
    A      B
0   True   True
1  False   True
2   True  False
```

Q1：为什么需要两对功能相同的函数？
A1：为兼容不同编程习惯。isnull() 的命名来源于 SQL 中的 IS NULL 语法；isna() 的命名是为了与 R 语言中的 is.na() 函数保持一致。
Pandas 官方文档明确指出：二者是同一函数的两个名称，功能完全相同。

Q2：如何检测非数值型缺失值（如字符串）？
A2：Pandas中字符串列通常用None表示缺失，isnull()可直接检测。但需注意，np.nan在字符串列中会被自动转换为None。

Q3：这些函数能检测自定义缺失标识吗？
A3：不能直接识别（如用-999表示缺失）。需先用replace()替换为NaN，再使用这些函数检测。

上一篇：几秒钟就充满电！科学

下一篇：暂无数据