Python大数据培训：isnull()和notnull()的区别

　　isnull()函数与notnull()函数的功能是一样的，都是判断数据中是否存在空值和缺失值，不同之处在于，isnull()函数发现数据中有空值或缺失值的时候返回True，notnull()返回的是False。

　　1.isnull()函数

　　isnull()函数的语法格式如下：

pandas.isnull(obj)

　　上述函数中只有一个参数obj，表示检查空值的对象。一旦发新数据中存在NaN或None，则就将这个位置标记为True，否则就标记为False。

　　接下来，通过一段示例来演示如何通过isnull()函数来检查缺失值或空值，具体代码如下：

In [1]:from pandas import DataFrame, Series
       import pandas as pd
       from numpy import NaN
       series_obj=Series([1, None, NaN])
       pd.isnull(series_obj)       # 检查是否为空值或缺失值
Out[1]:
       0     False
       1     True
       2     True
       dtype:bool

　　上述示例中，首先创建了一个Series对象，该对象中包含1、None和NaN三个值，然后调用isnull()函数检查Series对象中的数据，数据为空值或缺失值就映射为True，其余值就映射为False。从输出结果看出，第一个数据是正常的，后两个数据是空值或缺失值。

　　2.notnull()函数

　　notnull()函数用法，将上述调用isnull函数的代码改为调用notmull函数，改后的代码如下：

In [1]:from pandas import DataFrame, Series
       import pandas as pd
       from numpy import NaN
       series_obj=Series([1, None, NaN])
       pd.notnull(series_obj)       # 检查是否为空值或缺失值
Out[1]:
       0     True
       1     False
       2     False
       dtype:bool

　　上述示例中，通过notnull()函数来检查空值或缺失值，只要出现空值或缺失值就映射为False，其余则映射为True。从输出结果看出，索引0对应的数据为True，说明没有出现空值或缺失值，索引1和2对应的数据为False，说明出现了空值或缺失值。