博客

pandas.notnull()是pandas库中的一个函数，用于判断一个值是否为缺失值NaN（not a number）或None。

具体的作用如下：

1. 判断数据是否为缺失值NaN或None
2. 返回相应的布尔值，如果是，返回False，否则返回True。

该函数的使用方法如下：

pandas.notnull(obj)

其中，obj表示要判断的数据，可以是一个单独的数值、列表、字典或者DataFrame结构体。

下面介绍两个使用实例：

【示例1】判断数据中是否存在NaN或None值：

# 导入pandas库
import pandas as pd

# 创建一个包含NaN值的Series结构体
s = pd.Series(data=[1, 2, NaN, None, 3, 4])

# 使用notnull()函数进行判断
mask = pd.notnull(s)

# 输出判断结果
print(mask)

运行结果：

0     True
1     True
2    False
3    False
4     True
5     True
dtype: bool

以上代码中，我们创建了一个包含NaN和None值的Series结构体，然后使用notnull()函数对其进行判断。最终结果返回了一个bool数组，其中每个元素是否为NaN或None值的判断结果。

【示例2】使用notnull()函数进行数据筛选：

# 导入pandas库
import pandas as pd

# 创建一个包含NaN值的DataFrame结构体
df = pd.DataFrame(data=[[1, 2, NaN], [2, None, 4], [NaN, 3, NaN]], columns=['A', 'B', 'C'])

# 使用notnull()函数进行数据筛选
df_filtered = df[pd.notnull(df['B'])]

# 输出筛选结果
print(df_filtered)

运行结果：

   A    B   C
0  1  2.0 NaN
2 NaN  3.0 NaN

以上代码中，我们创建了一个包含NaN值的DataFrame结构体，然后使用notnull()函数进行了数据筛选，筛选出B列中不含NaN值的数据行。筛选结果即为DataFrame的部分数据。