Pandas a les deux isna() y isnull() . J'utilise généralement isnull() pour détecter les valeurs manquantes et je n'ai jamais rencontré le cas où je devais utiliser autre chose. Donc, quand utiliser isna() ?
isnull est un alias pour isna . Littéralement dans le source du code de pandas :
isnull = isnaEn effet :
>>> pd.isnull
<function isna at 0x7fb4c5cefc80>Je recommande donc d'utiliser isna .
Desde isnull est un alias pour isna j'aurais tendance à préférer isna . En effet, isna semble être utilisé plus souvent que isnull .
La documentation des deux est littéralement identique.
pandas.isna() : https://pandas.pydata.org/pandas-docs/stable/generated/pandas.isna.html#pandas.isna
pandas.isnull() : https://pandas.pydata.org/pandas-docs/stable/generated/pandas.isnull.html#pandas.isnull
Ici, il est même indiqué que DataFrame.isnull est un alias de isna dans la section Voir aussi.
pandas.DataFrame.isnull() : https://pandas-docs.github.io/pandas-docs-travis/generated/pandas.DataFrame.isnull.html#pandas.DataFrame.isnull
Par conséquent, ils doivent être la même chose, comme np.nan, np.NaN, np.NAN.
Les deux sont identiques. En tant que meilleure pratique, préférez toujours utiliser isna() sur isnull() .
Il est facile de se souvenir de ce que isna() fait parce que lorsque vous regardez la méthode numpy np.isnan() il vérifie NaN valeurs. Dans pandas, il existe d'autres noms de méthodes similaires comme dropna() , fillna() qui gère les valeurs manquantes et il est toujours utile de s'en souvenir facilement.
Prograide est une communauté de développeurs qui cherche à élargir la connaissance de la programmation au-delà de l'anglais.
Pour cela nous avons les plus grands doutes résolus en français et vous pouvez aussi poser vos propres questions ou résoudre celles des autres.
