pandas.Index.isna#

окончательный Индекс.isna()[источник]#

Обнаружить пропущенные значения.

Возвращает объект того же размера с булевыми значениями, указывающими, являются ли значения NA. Значения NA, такие как None, numpy.NaN или pd.NaT, получают сопоставление с True значения. Все остальное сопоставляется с False значения. Символы, такие как пустые строки ‘’ или numpy.inf не считаются значениями NA.

Возвращает:

numpy.ndarray[bool]: Логический массив, указывающий, являются ли мои значения NA.

Смотрите также

Index.notna: Булево обратное значение isna.
Index.dropna: Пропустить записи с отсутствующими значениями.
isna: Верхнеуровневый isna.
Series.isna: Обнаружение пропущенных значений в объекте Series.

Примеры

Показать, какие записи в pandas.Index являются NA. Результат — массив.

>>> idx = pd.Index([5.2, 6.0, np.nan])
>>> idx
Index([5.2, 6.0, nan], dtype='float64')
>>> idx.isna()
array([False, False,  True])

Пустые строки не считаются значениями NA. None считается значением NA.

>>> idx = pd.Index(['black', '', 'red', None])
>>> idx
Index(['black', '', 'red', None], dtype='object')
>>> idx.isna()
array([False, False, False,  True])

Для дат и времени, NaT (Not a Time) считается значением NA.

>>> idx = pd.DatetimeIndex([pd.Timestamp('1940-04-25'),
...                         pd.Timestamp(''), None, pd.NaT])
>>> idx
DatetimeIndex(['1940-04-25', 'NaT', 'NaT', 'NaT'],
              dtype='datetime64[ns]', freq=None)
>>> idx.isna()
array([False,  True,  True,  True])