Como usar “não é nulo”? em pandas (com exemplos)

Você pode usar a função pandas notnull() para testar se os elementos de um DataFrame do pandas são nulos ou não.

Se um elemento for igual a NaN ou None, a função retornará False .

Caso contrário, a função retornará True .

Aqui estão várias maneiras comuns de usar esta função na prática:

Método 1: Filtrar linhas sem valores nulos em qualquer coluna

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

Método 2: Filtrar linhas sem valores nulos em uma coluna específica

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

Método 3: conte o número de valores diferentes de zero em cada coluna

 df. notnull (). sum ()

Método 4: conte o número de valores diferentes de zero em todo o DataFrame

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

Os exemplos a seguir mostram como usar cada método na prática com o seguinte DataFrame do pandas:

 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

Exemplo 1: Filtrar linhas sem valores nulos em qualquer coluna

O código a seguir mostra como filtrar o DataFrame para exibir apenas linhas sem valores nulos em qualquer coluna:

 #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

Observe que cada uma das linhas neste DataFrame filtrado não possui valores nulos em nenhuma coluna.

Exemplo 2: Filtrar linhas sem valores nulos em uma coluna específica

O código a seguir mostra como filtrar o DataFrame para exibir apenas linhas sem valores nulos na coluna auxiliar :

 #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

Observe que cada uma das linhas neste DataFrame filtrado não possui valores nulos na coluna Helper .

Exemplo 3: conte o número de valores diferentes de zero em cada coluna

O código a seguir mostra como contar o número de valores diferentes de zero em cada coluna do DataFrame:

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

team 8
points 7
assists 6
rebounds 7
dtype: int64

Pelo resultado podemos ver:

• A coluna da equipe possui 8 valores diferentes de zero.
• A coluna de pontos possui 7 valores diferentes de zero.
• A coluna de assistências possui 6 valores diferentes de zero.
• A coluna bounces tem 7 valores diferentes de zero.

Exemplo 4: conte o número de valores diferentes de zero em todo o DataFrame

O código a seguir mostra como contar o número de valores diferentes de zero em todo o DataFrame:

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

28

Na saída, podemos ver que existem 28 valores diferentes de zero em todo o DataFrame.

Recursos adicionais

Os tutoriais a seguir explicam como realizar outras operações comuns de filtragem em pandas:

Como filtrar um DataFrame do Pandas por valores de coluna
Como filtrar “Não contém” no Pandas
Como filtrar um DataFrame do Pandas em múltiplas condições