如何使用isnull和sum函数统计dataframe每行缺失值的数量

#如何使用isnull和sum函数统计dataframe每行缺失值的数量| 来源: 网络整理| 查看: 265

我们在处理数据时，经常会遇到空值。在pandas中，我们可以使用isnull函数来判断一个元素是否为空。而对于一个dataframe，我们可以使用isna函数来应用这个判断。如果一个元素为空，那么isnull/isna函数返回True，否则返回False。

在本文中，我们将介绍如何使用isna函数和sum函数来统计每一行包含的缺失值的数量。

首先，我们需要创建一个dataframe，例如：

import pandas as pd import numpy as np df = pd.DataFrame({ 'A': [1, 2, np.nan], 'B': [3, np.nan, 5.0], 'C': ['a', 'b', None] })

这个dataframe包含了一些空值，我们就可以使用isna函数来判断哪些元素是空值：

>>> df.isna() A B C 0 False False False 1 False True False 2 True False True

接下来，我们可以使用sum函数来统计每一行包含的空值数量：

>>> df.isna().sum(axis=1) 0 0 1 1 2 2 dtype: int64

通过将axis参数设为1，我们可以按行进行求和操作。以上面的dataframe为例，第一行没有空值，因此为0；第二行包含了一个空值，

【本文地址】

公司简介

联系我们