Pandalarda isna () ve isnull () arasındaki fark

Bir süredir pandaları kullanıyorum. Fakat pandalar arasındaki isna()ve isnull()arasındaki farkın ne olduğunu anlamadım . Ve, daha önemlisi, veri çerçevesindeki eksik değerleri belirlemek için hangisinin kullanılması gerektiği.

Bir değerin nasıl ya nada olarak tespit edilmesinin temelinde yatan temel fark nedir null?

Pandalar isna()vs isnull().

Ne kastediyoruz farz ediyorum pandas.DataFrame.isna()vs pandas.DataFrame.isnull(). pandas.isnull()Şununla karıştırmayın , yukarıdaki ikisinin aksine DataFrame sınıfının bir yöntemi değildir.

Bu iki DataFrame yöntemler yapmak tam olarak aynı şeyi! Dokümanları bile aynı. Bunu pandaların koduyla bile doğrulayabilirsiniz .

Fakat neden farklı isimlerde iki yöntem aynı şeyi yapıyor?

Bunun nedeni pandaların DataFrame'lerinin R's DataFrame'lerine dayanmasıdır. R nave nulliki ayrı şeydir. Daha fazla bilgi için bu yazıyı okuyun .

Ancak, python'da pandalar, ne nade ne denull değerleri olmayan , numpy'nin üstüne kuruludur . Bunun yerine numpy'nin NaNdeğerleri vardır ("Sayı Değil" anlamına gelir). Sonuç olarak, pandalar da NaNdeğerleri kullanır .

Kısacası

• NaNNumpy kullandığı değerleri tespit etmek np.isnan().

• NaNPandaları değerleri tespit etmek için ya .isna()da kullanın .isnull(). Değerleri iki işlevlerin isimleri, yapısı ve işlevselliği pandalar taklit etmeye çalıştı R'ın DataFrames, kaynaklı iken pandalar, Numpy üzerine inşa gerçeği devralınmıştır.
  NaN