如何统计熊猫数据框中一列的 NaN 出现次数？
数据帧被分成单元，这些单元可以存储属于某个数据结构的值，也可以包含缺失值或空值。pands包包含各种内置函数，用于检查数据帧单元中的值是否为 NA，并对这些 NA 值执行聚合。
方法#1: 在数据框上使用内置方法 isna() 和 sum() 。
isna() 函数用于检测缺失值/无值，并返回一个长度等于数据帧元素的布尔数组，而 sum() 方法用于计算这些缺失值的总和。
蟒蛇 3
# importing necessary packages
import pandas as pd
import numpy as np
# creating data
data = [[1, "M", np.nan], [5, "A", 3.2], [
np.nan, np.nan, 4.6], [1, "D", np.nan]]
# converting data to data frame
data_frame = pd.DataFrame(data,
columns=["col1", "col2", "col3"])
# printing original data frame
print("\nOriginal Data Frame:")
print(data_frame)
# counting NaN values of col1
cnt = data_frame["col1"].isna().sum()
# printing count of NaN values
print("\nNan values in col1:", cnt)
输出:
方法 2: 使用数据帧的长度
从数据帧的长度(即数据帧中的行数)中减去数据帧的任何特定列中包含的值的计数。 count() 方法给出了指定列中 NaN 值的总数，length(dataframe)给出了数据帧的长度，即帧中的总行数。
蟒蛇 3
# importing necessary packages
import pandas as pd
import numpy as np
# creating data
data = [[1, "M", np.nan], [5, "A", 3.2],
[np.nan, np.nan, 4.6], [1, "D", np.nan]]
# converting data to data frame
data_frame = pd.DataFrame(data, columns=["col1", "col2", "col3"])
# printing original data frame
print("\nOriginal Data Frame:")
print(data_frame)
# counting NaN values of col1
length = len(data_frame)
count_in_col3 = data_frame['col3'].count()
cnt = length - count_in_col3
# printing count of NaN values
print("\nNan in col3:", cnt)
输出:
