pandas.isnull#

pandas.isnull(obj)[源代码]#

检测数组类对象的缺失值。

此函数接受一个标量或类似数组的对象，并指示值是否缺失（数值数组中的 NaN，对象数组中的 None 或 NaN，时间类型中的 NaT）。

参数:

obj标量或类数组: 用于检查空值或缺失值的对象。

返回:

布尔值或布尔值数组: 对于标量输入，返回一个布尔标量。对于数组输入，返回一个布尔数组，指示每个对应元素是否缺失。

参见

notna: pandas.isna 的布尔反值。
Series.isna: 检测 Series 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）结果为标量布尔值。

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

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

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

ndarrays 结果是一个布尔值的 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，返回一个布尔值的 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[s]', freq=None)
>>> pd.isna(index)
array([False, False,  True, False])

对于 Series 和 DataFrame，返回相同类型的布尔值。

>>> 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