介绍
在本实验中，我们将学习如何在 Python 的 Pandas 库中使用 notna() 方法。notna() 方法用于检测 DataFrame 中的现有值，并返回一个由布尔值组成的 DataFrame，每个布尔值表示该元素是否为非 NA 值。
虚拟机提示
虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果在学习过程中遇到问题，请随时向 Labby 提问。实验结束后提供反馈，我们将及时为你解决问题。
导入必要的库
首先，我们需要使用别名 pd 导入 pandas 库，并使用别名 np 导入 numpy 库。这些库分别用于数据操作和数值计算。
import pandas as pd
import numpy as np
创建一个 DataFrame
接下来，我们将创建一个包含示例数据的 DataFrame，以演示 notna() 方法的使用。我们将使用 pd.DataFrame() 函数来创建 DataFrame。
df = pd.DataFrame([(0.0, np.nan, -1.0, 1.0), (np.nan, 2.0, np.nan, np.nan), (2.0, 3.0, np.nan, 9.0)], columns=list('abcd'))
显示 DataFrame
让我们打印 DataFrame 以查看其内容和结构。
print("The DataFrame is:")
print(df)
使用 notna() 方法
现在，我们将在 DataFrame 上使用 notna() 方法来检测现有值。notna() 方法返回一个与原始 DataFrame 形状相同的 DataFrame，其中每个元素都是一个布尔值，表示对应的元素是否为非 NA 值。
notna_df = df.notna()
print("The result of the notna() method is:")
print(notna_df)
显示结果
让我们打印结果 DataFrame，以查看表示现有值的布尔值。
print(notna_df)
总结
在本实验中，我们学习了如何在 Pandas 库中使用 notna() 方法来检测 DataFrame 中的现有值。此方法在数据清洗和分析任务中非常有用，尤其是在需要识别缺失值或空值的情况下。通过使用 notna() 方法，我们可以快速获得一个布尔值的 DataFrame，用于指示现有值的存在与否。