Come utilizzare "non è nullo"? in panda (con esempi)

È possibile utilizzare la funzione pandas notnull() per verificare se gli elementi di un DataFrame panda sono nulli o meno.

Se un elemento è uguale a NaN o None, la funzione restituirà False .

Altrimenti, la funzione restituirà True .

Ecco alcuni modi comuni per utilizzare questa funzione nella pratica:

Metodo 1: filtra le righe senza valori null in qualsiasi colonna

 df[df. notnull (). all ( 1 )]

Metodo 2: filtra le righe senza valori null in una colonna specifica

 df[df[[' this_column ']]. notnull (). all ( 1 )]

Metodo 3: contare il numero di valori diversi da zero in ciascuna colonna

 df. notnull (). sum ()

Metodo 4: contare il numero di valori diversi da zero nell’intero DataFrame

 df. notnull (). sum (). sum ()

I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con i seguenti DataFrame panda:

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, np.nan],
                   ' assists ': [5, np.nan, 7, 9, 12, 9, 9, np.nan],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, np.nan, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18.0 5.0 11.0
1 B 22.0 NaN 8.0
2 C 19.0 7.0 10.0
3D 14.0 9.0 6.0
4 E 14.0 12.0 6.0
5 F 11.0 9.0 5.0
6G 20.0 9.0 NaN
7 H NaN NaN 12.0

Esempio 1: filtra le righe senza valori null in qualsiasi colonna

Il codice seguente mostra come filtrare DataFrame per visualizzare solo le righe senza valori null in qualsiasi colonna:

 #filter for rows with no null values in any column
df[df. notnull (). all ( 1 )]


        team points assists rebounds
0 A 18.0 5.0 11.0
2 C 19.0 7.0 10.0
3D 14.0 9.0 6.0
4 E 14.0 12.0 6.0
5 F 11.0 9.0 5.0

Tieni presente che ciascuna delle righe in questo DataFrame filtrato non ha valori null in nessuna colonna.

Esempio 2: filtrare le righe senza valori null in una colonna specifica

Il codice seguente mostra come filtrare DataFrame per visualizzare solo le righe senza valori null nella colonna helper :

 #filter for rows with no null values in the 'assists' column
df[df[[' assists ']]. notnull (). all ( 1 )]

	team points assists rebounds
0 A 18.0 5.0 11.0
2 C 19.0 7.0 10.0
3D 14.0 9.0 6.0
4 E 14.0 12.0 6.0
5 F 11.0 9.0 5.0
6G 20.0 9.0 NaN

Tieni presente che ciascuna delle righe in questo DataFrame filtrato non ha valori null nella colonna Helper .

Esempio 3: contare il numero di valori diversi da zero in ciascuna colonna

Il codice seguente mostra come contare il numero di valori diversi da zero in ciascuna colonna del DataFrame:

 #count number of non-null values in each column
df. notnull (). sum ()

team 8
points 7
assists 6
rebounds 7
dtype: int64

Dal risultato possiamo vedere:

• La colonna della squadra ha 8 valori diversi da zero.
• La colonna dei punti ha 7 valori diversi da zero.
• La colonna degli assist ha 6 valori diversi da zero.
• La colonna dei rimbalzi ha 7 valori diversi da zero.

Esempio 4: contare il numero di valori diversi da zero nell’intero DataFrame

Il codice seguente mostra come contare il numero di valori diversi da zero nell’intero DataFrame:

 #count number of non-null values in entire DataFrame
df. notnull (). sum (). sum ()

28

Dall’output possiamo vedere che ci sono 28 valori diversi da zero nell’intero DataFrame.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni di filtro comuni nei panda:

Come filtrare un Pandas DataFrame in base ai valori delle colonne
Come filtrare “Non contiene” in Pandas
Come filtrare un Pandas DataFrame su più condizioni