计算熊猫数据框中一列或多列的 NaN 值
原文:https://www.geeksforgeeks.org/count-the-nan-values-in-in-columns-pandas-data frame/
让我们看看如何计算熊猫数据帧中一列或多列的 NaN 值的总数。为了计算数据帧中的 NaN 值，我们需要为数据帧分配一个字典，该字典应该包含 numpy.nan值，即NaN(null)值。
考虑以下数据帧。
# importing the modules
import numpy as np
import pandas as pd
# creating the DataFrame
dictionary = {'Names': ['Simon', 'Josh', 'Amen',
'Habby', 'Jonathan', 'Nick', 'Jake'],
'Capitals': ['VIENNA', np.nan, 'BRASILIA',
np.nan, 'PARIS', 'DELHI', 'BERLIN'],
'Countries': ['AUSTRIA', 'BELGIUM', 'BRAZIL',
np.nan, np.nan, 'INDIA', np.nan]}
table = pd.DataFrame(dictionary, columns = ['Names',
'Capitals',
'Countries'])
# displaying the DataFrame
display(table)
输出:
例 1 : 计算单列中的 NaN 值。
print("Number of null values in column 1 : " +
str(table.iloc[:, 1].isnull().sum()))
print("Number of null values in column 2 : " +
str(table.iloc[:, 2].isnull().sum()))
输出:
Number of null values in column 1 : 2
Number of null values in column 2 : 3
例 2 : 计算单行中的 NaN 值。
print("Number of null values in row 0 : " +
str(table.iloc[0, ].isnull().sum()))
print("Number of null values in row 1 : " +
str(table.iloc[1, ].isnull().sum()))
print("Number of null values in row 3 : " +
str(table.iloc[3, ].isnull().sum()))
输出:
Number of null values in row 0 : 0
Number of null values in row 1 : 1
Number of null values in row 3 : 2
示例 3 : 计算数据帧中的总 NaN 值。
print("Total Number of null values in the DataFrame : " +
str(table.isnull().sum().sum()))
输出:
Total Number of null values in the DataFrame : 5
示例 4 : 计算所有列中的 NaN 值。
display(table.isnull().sum())
输出:
