{"id":3859,"date":"2023-07-15T03:28:54","date_gmt":"2023-07-15T03:28:54","guid":{"rendered":"https:\/\/statorials.org\/nl\/pandas-zuigen-niet\/"},"modified":"2023-07-15T03:28:54","modified_gmt":"2023-07-15T03:28:54","slug":"pandas-zuigen-niet","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/pandas-zuigen-niet\/","title":{"rendered":"Hoe gebruik je "is niet null"? in panda's (met voorbeelden)"},"content":{"rendered":"

<\/p>\n

\n

U kunt de functie pandas notnull()<\/strong> gebruiken om te testen of de elementen van een pandas DataFrame null zijn of niet.<\/span><\/p>\n

Als een element gelijk is aan NaN of Geen, retourneert de functie False<\/strong> .<\/span><\/p>\n

Anders retourneert de functie True<\/strong> .<\/span><\/p>\n

Hier volgen enkele veelvoorkomende manieren om deze functie in de praktijk te gebruiken:<\/span><\/p>\n

Methode 1: Filter rijen zonder nulwaarden in welke kolom dan ook<\/strong><\/span><\/p>\n

 df[df. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n<\/strong><\/pre>\n
 Methode 2: Filter rijen zonder nulwaarden in een specifieke kolom<\/strong><\/span><\/p>\n
 df[df[[' this_column<\/span> ']]. notnull<\/span> (). all<\/span> ( 1<\/span> )]<\/strong><\/pre>\n
 Methode 3: Tel het aantal niet-nulwaarden in elke kolom<\/strong><\/span><\/p>\n
 df. notnull<\/span> (). sum<\/span> ()<\/strong><\/pre>\n
 Methode 4: Tel het aantal niet-nulwaarden in het gehele DataFrame<\/strong><\/span><\/p>\n
 df. notnull<\/span> (). sum<\/span> (). sum<\/span> ()<\/strong><\/pre>\n
 De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n                   ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, np.nan],\n                   ' assists<\/span> ': [5, np.nan, 7, 9, 12, 9, 9, np.nan],\n                   ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, np.nan, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  team points assists rebounds\n0 A 18.0 5.0 11.0\n1 B 22.0 NaN 8.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 NaN\n7 H NaN NaN 12.0\n<\/strong><\/pre>\n
 Voorbeeld 1: Filter rijen zonder nulwaarden in een willekeurige kolom<\/strong><\/span><\/h2>\n
 De volgende code laat zien hoe u het DataFrame kunt filteren om in elke kolom alleen rijen zonder nulwaarden weer te geven:<\/span><\/p>\n
 #filter for rows with no null values in any column\n<\/span>df[df. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n\n\n        team points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0<\/span><\/span><\/strong><\/pre>\n
 Houd er rekening mee dat elk van de rijen in dit gefilterde DataFrame in geen enkele kolom nulwaarden heeft.<\/span><\/p>\n
 Voorbeeld 2: Filter rijen zonder nulwaarden in een specifieke kolom<\/strong><\/span><\/h2>\n
 De volgende code laat zien hoe u het DataFrame kunt filteren om alleen rijen zonder nulwaarden in de helperkolom<\/strong> weer te geven:<\/span><\/p>\n
 #filter for rows with no null values in the 'assists' column\n<\/span>df[df[[' assists<\/span> ']]. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n\n\tteam points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 NaN<\/span><\/span><\/strong><\/pre>\n
 Houd er rekening mee dat elk van de rijen in dit gefilterde DataFrame geen nulwaarden heeft in de Helper-<\/strong> kolom.<\/span><\/p>\n
 Voorbeeld 3: Tel het aantal niet-nulwaarden in elke kolom<\/strong><\/span><\/h2>\n
 De volgende code laat zien hoe u het aantal niet-nulwaarden in elke kolom van het DataFrame telt:<\/span><\/p>\n
 #count number of non-null values in each column<\/span>\ndf. notnull<\/span> (). sum<\/span> ()\n\nteam 8\npoints 7\nassists 6\nrebounds 7\ndtype: int64\n<\/span><\/span><\/strong><\/pre>\n
 Uit het resultaat kunnen we zien:<\/span><\/span><\/p>\n