Pandas DataFrame.isnull() und notnull() Funktion

Minahil Noor 30 Januar 2023
  1. Syntax von pandas.DataFrame.isnull() und pandas.DataFrame.notnull():
  2. Beispiel-Codes: DataFrame.isnull() Methode zur Prüfung auf Nullwerte
  3. Beispiel Codes: DataFrame.notnull() Methode zur Prüfung auf Nicht-Null-Werte
Pandas DataFrame.isnull() und notnull() Funktion

Die Python Pandas-Funktion DataFrame.isnull() erkennt den fehlenden Wert eines Objekts und die Funktion DataFrame.notnull() erkennt den nicht fehlenden Wert eines Objekts.

Syntax von pandas.DataFrame.isnull() und pandas.DataFrame.notnull():

DataFrame.isnull()
DataFrame.notnull()

Zurück

Beide Funktionen geben bei skalarer Eingabe einen booleschen Wert zurück. Für Array-Eingaben geben beide ein Array von Boolean zurück, das angibt, ob jedes entsprechende Element gültig ist.

Beispiel-Codes: DataFrame.isnull() Methode zur Prüfung auf Nullwerte

import pandas as pd
import numpy as np

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: np.nan, 2: 80,3: 78,4: 95},
                        'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                        'Obtained Marks': {0: np.nan, 1: 75, 2: 82, 3: np.nan, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)

dataframe1 = dataframe.isnull()
print("The output is: \n")
print(dataframe1)

Ausgabe:

The Original Data frame is: 

   Attendance    Name  Obtained Marks
0        60.0  Olivia             NaN
1         NaN    John            75.0
2        80.0   Laura            82.0
3        78.0     Ben             NaN
4        95.0   Kevin            45.0
The output is: 

   Attendance   Name  Obtained Marks
0       False  False            True
1        True  False           False
2       False  False           False
3       False  False            True
4       False  False           False

Bei Null-Werten hat die Funktion True zurückgegeben.

Beispiel Codes: DataFrame.notnull() Methode zur Prüfung auf Nicht-Null-Werte

import pandas as pd
import numpy as np

dataframe=pd.DataFrame({'Attendance': {0: 60, 1: np.nan, 2: 80,3: 78,4: 95},
                        'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
                        'Obtained Marks': {0: np.nan, 1: 75, 2: 82, 3: np.nan, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)

dataframe1 = dataframe.notnull()
print("The output is: \n")
print(dataframe1)

Ausgabe:

The Original Data frame is: 

   Attendance    Name  Obtained Marks
0        60.0  Olivia             NaN
1         NaN    John            75.0
2        80.0   Laura            82.0
3        78.0     Ben             NaN
4        95.0   Kevin            45.0
The output is: 

   Attendance  Name  Obtained Marks
0        True  True           False
1       False  True            True
2        True  True            True
3        True  True           False
4        True  True            True

Die Funktion hat True für Nicht-Null-Werte zurückgegeben.

Verwandter Artikel - Pandas DataFrame