Щоб перевірити це, ми можемо використовуйте функцію dataframe. isnull() у pandas. Він поверне True для відсутніх компонентів і False для невідсутніх клітинок. Однак, коли розмірність набору даних велика, може бути важко з’ясувати наявність відсутніх значень.
Рішення my_object = Жодного if my_object is None: print("It's null!") Використання is є кращим, ніж використання == , оскільки останній може бути перевантажений, що може призвести до неочікуваної поведінки при використанні з певними об’єктами. None не є помилковим, що означає, що він буде вважатися еквівалентним False при використанні в логічних виразах.
Використання методу isnull().: ми застосували функцію isnull(), щоб перевірити, чи кадр даних складається з NaN значень, і вона виводить кадр даних із логічними значеннями: true, якщо значення в клітинці порожнє, або NaN, і false, якщо клітинка містить значення.
Ось різні способи перевірити, чи є рядок порожнім у Python.
- Використання len()
- Використання not()
- Використання not + str.strip()
- Використання not + str.isspace.
- Використання розуміння списку.
- Використання Bool.
- Використання смугових методів.
- Використання оператора «і» + функція strip().
Як перевірити значення NULL? Неможливо перевірити значення NULL за допомогою операторів порівняння, таких як =, < або <>. Нам доведеться використовуйте оператори IS NULL і IS NOT NULL замість цього.
Коли ви порівнюєте об’єкт з None , використовувати замість == . None не є єдиним об’єктом, порівняння за допомогою == викликає метод __eq__ об’єкта, про який йде мова, який може бути повільнішим, ніж порівняння ідентичності.