Python Pandas – ตรวจสอบค่า Null โดยใช้ notnull()

เมธอด notnull() ส่งคืนค่าบูลีน เช่น หาก DataFrame มีค่าว่าง ระบบจะคืนค่าเป็นเท็จ มิฉะนั้นจะเป็น True

สมมติว่าต่อไปนี้คือไฟล์ CSV ของเราที่มีค่า NaN เช่น null -

ให้เราอ่านไฟล์ CSV ก่อน -

dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")

กำลังตรวจสอบค่าที่ไม่เป็นโมฆะ -

res = dataFrame.notnull()

ในตอนนี้ ในการแสดง DataFrame ข้อมูล CSV จะแสดงในรูปแบบของค่า True และ False เช่น ค่าบูลีน เนื่องจาก notnull() จะคืนค่าบูลีน สำหรับค่า Null ค่า False จะแสดงขึ้น สำหรับค่า Not-Null ค่า True จะแสดงขึ้น

ตัวอย่าง

ต่อไปนี้เป็นรหัสที่สมบูรณ์ -

import pandas as pd

# reading csv file
dataFrame = pd.read_csv("C:\\Users\\amit_\\Desktop\\CarRecords.csv")
print("DataFrame...\n",dataFrame)

# count the rows and columns in a DataFrame
print("\nNumber of rows and column in our DataFrame = ",dataFrame.shape)

res = dataFrame.notnull()
print("\nDataFrame displaying False for Null (NaN) value = \n",res)

dataFrame = dataFrame.dropna()
print("\nDataFrame after removing null values...\n",dataFrame)
print("\n(Updated) Number of rows and column in our DataFrame = ",dataFrame.shape)

ผลลัพธ์

สิ่งนี้จะสร้างผลลัพธ์ต่อไปนี้ -

DataFrame...
           Car       Place   UnitsSold
0         Audi   Bangalore        80.0
1      Porsche      Mumbai       110.0
2   RollsRoyce        Pune         NaN
3          BMW       Delhi       200.0
4     Mercedes   Hyderabad        80.0
5  Lamborghini  Chandigarh         NaN
6         Audi      Mumbai         NaN
7     Mercedes        Pune       120.0
8  Lamborghini       Delhi       100.0

Number of rows and column in our DataFrame = (9, 3)

DataFrame displaying False for Null values =
    Car   Place   UnitsSold
0  True    True        True
1  True    True        True
2  True    True       False
3  True    True        True
4  True    True        True
5  True    True       False
6  True    True       False
7  True    True        True
8  True    True        True

DataFrame after removing null values...
           Car      Place   UnitsSold
0         Audi  Bangalore        80.0
1      Porsche     Mumbai       110.0
3          BMW      Delhi       200.0
4     Mercedes  Hyderabad        80.0
7     Mercedes       Pune       120.0
8  Lamborghini      Delhi       100.0

(Updated)Number of rows and column in our DataFrame = (6, 3)