Teradata Package for Python Function Reference | 20.00 - notna - Teradata Package for Python - Look here for syntax, methods and examples for the functions included in the Teradata Package for Python.

Teradata® Package for Python Function Reference - 20.00

Deployment
VantageCloud
VantageCore
Edition
Enterprise
IntelliFlex
VMware
Product
Teradata Package for Python
Release Number
20.00
Published
March 2024
Language
English (United States)
Last Update
2024-04-10
dita:id
TeradataPython_FxRef_Enterprise_2000
Product Category
Teradata Vantage
teradataml.dataframe.sql.DataFrameColumn.notna = notna(self)
Test for non NA values
The boolean complement of isna()
 
PARAMETERS:
    None
 
RETURNS:
    When used with assign() function, newly assigned column contains
    A boolean Series of numeric values:
      - 1 if value is NA (None)
      - 0 if values is not NA
    Otherwise returns ColumnExpression, also known as, teradataml DataFrameColumn.
 
EXAMPLES:
    >>> load_example_data("dataframe", "admissions_train")
    >>> df = DataFrame("admissions_train")
 
    # Test for NA values on dataframe by using 0 and 1.
    >>> df[df.gpa.notna() == 1]
       masters   gpa     stats programming  admitted
    id
    22     yes  3.46    Novice    Beginner         0
    36      no  3.00  Advanced      Novice         0
    15     yes  4.00  Advanced    Advanced         1
    38     yes  2.65  Advanced    Beginner         1
    5       no  3.44    Novice      Novice         0
    17      no  3.83  Advanced    Advanced         1
    34     yes  3.85  Advanced    Beginner         0
    13      no  4.00  Advanced      Novice         1
    26     yes  3.57  Advanced    Advanced         1
    19     yes  1.98  Advanced    Advanced         0
 
    >>> df[df.gpa.notna() == 0]
    Empty DataFrame
    Columns: [masters, gpa, stats, programming, admitted]
    Index: []
 
    # Test for NA values on dataframe by using False and True.
    >>> df[df.gpa.notna() == True]
       masters   gpa     stats programming  admitted
    id
    22     yes  3.46    Novice    Beginner         0
    36      no  3.00  Advanced      Novice         0
    15     yes  4.00  Advanced    Advanced         1
    38     yes  2.65  Advanced    Beginner         1
    5       no  3.44    Novice      Novice         0
    17      no  3.83  Advanced    Advanced         1
    34     yes  3.85  Advanced    Beginner         0
    13      no  4.00  Advanced      Novice         1
    26     yes  3.57  Advanced    Advanced         1
    19     yes  1.98  Advanced    Advanced         0
 
    >>> df[df.gpa.notna() == False]
    Empty DataFrame
    Columns: [masters, gpa, stats, programming, admitted]
    Index: []
 
    # Assign the tested values to dataframe as a column.
    >>> df.assign(notna_=df.gpa.notna())
       masters   gpa     stats programming  admitted notna_
    id
    22     yes  3.46    Novice    Beginner         0      1
    36      no  3.00  Advanced      Novice         0      1
    15     yes  4.00  Advanced    Advanced         1      1
    38     yes  2.65  Advanced    Beginner         1      1
    5       no  3.44    Novice      Novice         0      1
    17      no  3.83  Advanced    Advanced         1      1
    34     yes  3.85  Advanced    Beginner         0      1
    13      no  4.00  Advanced      Novice         1      1
    26     yes  3.57  Advanced    Advanced         1      1
    19     yes  1.98  Advanced    Advanced         0      1