notna()和dropna()有什么区别？

notna()和dropna()是Pandas库中用于处理缺失值的两个方法。

notna()方法是一个布尔型方法，用于检查数据框(DataFrame)或序列(Series)中的每个元素是否为非缺失值。如果元素是非缺失值，则返回True；否则返回False。notna()方法的返回结果和原数据的维度相同。

示例代码：

import pandas as pd

# 创建一个包含缺失值的数据框
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 6, 7, 8, 9]}
df = pd.DataFrame(data)

# 使用notna()方法检查每个元素是否为非缺失值
result = df.notna()

print(result)

输出结果：

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

dropna()方法用于删除数据框或序列中包含缺失值的行或列。默认情况下，该方法会删除包含任何缺失值的行。通过设置参数，还可以选择删除包含指定数量缺失值的行或列。

示例代码：

import pandas as pd

# 创建一个包含缺失值的数据框
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 6, 7, 8, 9]}
df = pd.DataFrame(data)

# 使用dropna()方法删除包含缺失值的行
result = df.dropna()

print(result)

输出结果：