ISNA - информационно-сервисное агентство

Функция isna в языке программирования Python используется для проверки пропущенных значений (NaN - Not a Number) в объектах типа Series или DataFrame из библиотеки pandas. Пропущенные значения могут возникнуть в данных, когда конкретное значение отсутствует или неизвестно.

Чтобы более подробно рассмотреть использование функции isna, рассмотрим следующий пример:

import pandas as pd
import numpy as np

# Создание примера DataFrame с пропущенными значениями
data = {'A': [1, 2, np.nan, 4, 5],
        'B': [np.nan, 2, 3, np.nan, 6],
        'C': [10, 20, np.nan, 40, 50]}
df = pd.DataFrame(data)

# Вывод DataFrame
print(df)

Результат:

     A    B     C
0  1.0  NaN  10.0
1  2.0  2.0  20.0
2  NaN  3.0   NaN
3  4.0  NaN  40.0
4  5.0  6.0  50.0

В данном примере имеется DataFrame с тремя столбцами 'A', 'B' и 'C'. Во второй строке 'A' значения отсутствует, в третьем столбце 'B' и в четвертой строке 'C' присутствуют пропущенные значения.

Теперь давайте воспользуемся функцией isna, чтобы проверить, где имеются пропущенные значения в DataFrame:

# Проверка наличия пропущенных значений с помощью функции isna
print(df.isna())

или

# Проверка наличия пропущенных значений с помощью функции isnull
print(df.isnull())

Результат:

       A      B      C
0  False   True  False
1  False  False  False
2   True  False   True
3  False   True  False
4  False  False  False

Функция isna возвращает DataFrame с теми же размерами, но вместо исходных значений имеет логические значения: True, если значение является пропущенным, или False, если значение имеет какое-либо число.

Таким образом, для нашего примера мы видим, что ячейки, в которых были пропущенные значения в исходном DataFrame, содержат True, в то время как ячейки с числовыми значениями содержат False.

Еще одной полезной возможностью функции isna является использование агрегатных функций, таких как sum или any, чтобы выяснить, есть ли в DataFrame хотя бы одно пропущенное значение в каждом столбце или строке. Вот некоторые примеры:

# Проверка наличия хотя бы одного пропущенного значения в столбцах
print(df.isna().any()) 

Результат:

A     True
B     True
C     True
dtype: bool

В данном примере мы используем метод any, чтобы выяснить, есть ли хотя бы одно пропущенное значение в каждом столбце DataFrame. Результат показывает, что в каждом столбце присутствуют пропущенные значения.

# Проверка наличия хотя бы одного пропущенного значения в строках
print(df.isna().any(axis=1)) 

Результат:

0     True
1    False
2     True
3     True
4    False
dtype: bool

В данном примере мы добавляем параметр axis=1, чтобы проверить наличие хотя бы одного пропущенного значения в каждой строке DataFrame. Результат показывает, что в строках 0, 2 и 3 есть хотя бы одно пропущенное значение.

В заключение, функция isna является мощным инструментом для проверки наличия пропущенных значений в DataFrame. Она позволяет не только определить наличие пропущенных значений, но также провести более сложные операции с пропущенными значениями, используя агрегатные функции и другие методы библиотеки pandas.