详解pandas.isnull()（检测缺失值）函数使用方法

pandas.isnull()是Pandas库中的一个函数，用于检测数据中的缺失值（NaN）。

作用

• 检测数据中空值，返回一个布尔类型的数组，其中的True表示该位置有缺失值，False表示无缺失值。
• 在数据清洗和处理时，可以通过该函数有效地定位缺失值并进行填充或删除操作。

使用方法

pandas.isnull(obj)

参数obj为要进行缺失值检测的数据对象，可以是Series、DataFrame或Panel对象。

下面给出两个实例：

示例1：对Series对象进行缺失值检测

import pandas as pd
import numpy as np
s = pd.Series([1,2,np.nan,4,5,np.nan])
print(s)
'''
0    1.0
1    2.0
2    NaN
3    4.0
4    5.0
5    NaN
dtype: float64
'''
print(pd.isnull(s))
'''
0    False
1    False
2     True
3    False
4    False
5     True
dtype: bool
'''

可以看到，通过isnull()返回的布尔类型的数组中，第2个和第5个位置均为True，即Series对象中有2个缺失值。

示例2：对DataFrame对象进行缺失值检测

import pandas as pd
import numpy as np
data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'], 'Age':[28, 34, np.nan, 42], 'Country':['US', 'UK', np.nan, 'CA']}
df = pd.DataFrame(data)
print(df)
'''
    Name   Age Country
0    Tom  28.0      US
1   Jack  34.0      UK
2  Steve   NaN     NaN
3  Ricky  42.0      CA
'''
print(pd.isnull(df))
'''
    Name    Age  Country
0  False  False    False
1  False  False    False
2  False   True     True
3  False  False    False
'''

在DataFrame对象中，通过isnull()函数返回的数组，第3行第2列和第3列均为True，表示该位置存在缺失值。