
在 Pandas 中,NaN 表示空或缺失值。在數(shù)據(jù)分析中,經(jīng)常需要計算 DataFrame 中每列的 NaN 值出現(xiàn)的次數(shù)。本文將介紹如何使用 Pandas 計算 DataFrame 中每列的 NaN 值出現(xiàn)的次數(shù)。
Pandas 是一個開源數(shù)據(jù)分析工具。它提供了一個稱為“DataFrame”的數(shù)據(jù)結(jié)構(gòu),該結(jié)構(gòu)類似于電子表格,可以用來存儲和操作二維數(shù)據(jù)。在 Pandas DataFrame 中,NaN 表示空或缺失值。在實際的數(shù)據(jù)分析中,會經(jīng)常遇到缺失值的情況,因此我們需要計算 DataFrame 中每列的 NaN 值出現(xiàn)的次數(shù)。
計算 DataFrame 中每列的 NaN 值數(shù)量非常簡單。我們只需要使用 isna()
方法檢測 DataFrame 中的 NaN 值,并使用 sum()
方法計算每列中 NaN 值的數(shù)量。以下是示例代碼:
import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan],
'B': [4, np.nan, np.nan],
'C': [7, 8, 9]})
print(df.isna().sum())
上面的代碼將創(chuàng)建一個包含三列的 Pandas DataFrame。然后使用 isna()
方法檢查 DataFrame 中的 NaN 值,并使用 sum()
方法計算每列的 NaN 值的數(shù)量。輸出結(jié)果如下:
A 1
B 2
C 0
dtype: int64
從輸出結(jié)果可以看出,DataFrame 中的 NaN 值數(shù)量分別為 1、2 和 0。
如果需要計算每行的 NaN 值數(shù)量,可以使用 sum()
方法并設(shè)置 axis
參數(shù)為 1。以下是示例代碼:
import pandas as pd
df = pd.DataFrame({'A': [1, 2, np.nan],
'B': [4, np.nan, np.nan],
'C': [7, 8, 9]})
print(df.isna().sum(axis=1))
上面的代碼將創(chuàng)建一個包含三列的 Pandas DataFrame。然后使用 isna()
方法檢查 DataFrame 中的 NaN 值,并使用 sum()
方法計算每行的 NaN 值的數(shù)量。輸出結(jié)果如下:
0 0
1 2
2 0
dtype: int64
從輸出結(jié)果可以看出,DataFrame 中的每行的 NaN 值數(shù)量分別為 0、2 和 0。
在 Pandas 中計算 DataFrame 中每列或每行的 NaN 值數(shù)量非常簡單。只需要使用 isna()
方法檢查 DataFrame 中的 NaN 值,并使用 sum()
方法計算每列或每行的 NaN 值的數(shù)量。此外,還可以使用 dropna()
方法刪除 DataFrame 中包含 NaN 值的行或列。掌握這些技巧可以使數(shù)據(jù)分析更加高效。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10