Python中dropna()与notnull()处理空值的区别详解

首先，我们需要构建一个包含空值数据的DataFrame对象，以便后续演示相关函数的具体行为。

data = {'a':[1,2,3,NaN],'b':['l','k','j','k'],'c':['12r','45h','45u','456u']}
frame1 = DataFrame(data)
print(frame1)
print('\n')
print(frame1.dropna())
print('\n')
print(frame1[frame1.notnull()])

执行上述代码后，控制台将输出初始DataFrame的结构与内容。

当未针对特定列进行定位，而是对整个DataFrame进行操作时，若某行存在空值，dropna()函数会直接删除该行；相比之下，notnull()函数仅返回布尔值序列，不会直接移除数据行。

当操作对象被精确定位到某一特定列（Series）时，dropna()会返回过滤后的Series对象，而notnull()则返回一个与原数据形状相同的DataFrame，其中包含布尔类型的判断结果。

print(frame1)
print('\n')
print(frame1.a.dropna())
print('\n')
print(frame1[frame1.a.notnull()])

执行针对特定列的操作代码后，控制台将输出相应的处理结果。

补充说明：pandas.notnull函数的具体用法。

pandas库中的notnull函数主要用于返回数据集中非空值的布尔集合。以下通过具体示例进行演示。

第一步，构造一个包含字符串及空值（None）的DataFrame对象。

df = pd.DataFrame([['1', 'bee', 'cat'], [None, None, 'fly']])

第二步，调用notnull函数对该DataFrame进行非空值检测。

a = pd.notnull(df[0])

打印变量a的结果如下所示，显示各位置是否为非空值的布尔状态。

0  True
1 False

第三步，利用变量a作为索引，从原始DataFrame中提取对应的内容。

b = df[a]
print(b)

最终提取的结果如下所示，仅保留非空值对应的行数据。

 0 1 2
0 1 bee cat

以上内容为个人经验分享，旨在提供参考。如有疏漏或错误，欢迎指正。