如果要获取每一行的True/False，可以使用以下代码。下面是一个示例，作为以下DataFrame的结果：

df = pd.DataFrame([[None, 3], ["", np.nan]])

df
#      0      1
#0  None    3.0
#1          NaN

如何检查None

可用：.isnull()

>>> df[0].isnull()
0     True
1    False
Name: 0, dtype: bool

可用：.apply==或isNone

>>> df[0].apply(lambda x: x == None)
0     True
1    False
Name: 0, dtype: bool

>>> df[0].apply(lambda x: x is None)
0     True
1    False
Name: 0, dtype: bool

可用：x1个月6个月1个月x1个月7个月1个月x1个月8个月

>>> df[0].values == None
array([ True, False])

不可用：is或==

>>> df[0] is None
False

>>> df[0] == None
0    False
1    False
Name: 0, dtype: bool

不可用：一个月11个月1x一个月12个月1x一个月13个月1x

>>> df[0].values is None
False

如何检查np.nan

可用：x1米15英寸

>>> df[1].isnull()
0    False
1     True
Name: 1, dtype: bool

可用：np.isnan个

>>> np.isnan(df[1])
0    False
1     True
Name: 1, dtype: bool

>>> np.isnan(df[1].values)
array([False,  True])

>>> df[1].apply(lambda x: np.isnan(x))
0    False
1     True
Name: 1, dtype: bool

不可用：is或==或np.nan

>>> df[1] is np.nan
False

>>> df[1] == np.nan
0    False
1    False
Name: 1, dtype: bool

>>> df[1].values is np.nan
False

>>> df[1].values == np.nan
array([False, False])

>>> df[1].apply(lambda x: x is np.nan)
0    False
1    False
Name: 1, dtype: bool

>>> df[1].apply(lambda x: x == np.nan)
0    False
1    False
Name: 1, dtype: bool

您可以将applymap与lambda一起使用，以检查element is None是否如下所示：（构造了一个不同的示例，与原始示例一样，None被强制为np.nan，因为数据类型是float，您将需要一个object类型列来按原样保存None，或者如@Evert所注解的那样，None和NaN在数字类型列中无法区分）：

df = pd.DataFrame([[None, 3], ["", np.nan]])

df
#      0      1
#0  None    3.0
#1          NaN

df.applymap(lambda x: x is None)

#       0       1
#0   True   False
#1  False   False

问：如何检查DataFrame / Series中的None

A：isna可以工作，但也会捕获nan。两个建议：

1.使用x.isna()并用nan替换none
1.如果你真的关心None：x.applymap(type) == type(None)
我更喜欢比较类型，因为例如nan == nan是假的。在我的例子中，None s是无意中出现的，所以x[x.isna()] = nan解决了这个问题。

示例：

x = pd.DataFrame([12, False, 0, nan, None]).T
第一个