迹忆客 专注技术分享

我们将介绍在 Pandas DataFrame 的一列中计算 NaN 出现次数的方法。我们有很多选择，包括针对一列或多列的 isna() 方法，通过从 NaN 出现次数中减去总长度，使用 value_counts 方法，以及使用 df.isnull().sum() 方法。

我们还将介绍计算整个 Pandas DataFrame 中 NaN 出现总数的方法。

isna() 方法来计算一列或多列中的 NaN

我们可以使用 insna() 方法（Pandas 版本> 0.21.0），然后求和以计算 NaN 的出现。对于一列，我们将执行以下操作：

import pandas as pd

s = pd.Series([1, 2, 3, np.nan, np.nan])
s.isna().sum()
# or s.isnull().sum() for older pandas versions

输出：

2

对于几列，它也适用：

import pandas as pd

df = pd.DataFrame({"a": [1, 2, np.nan], "b": [np.nan, 1, np.nan]})
df.isna().sum()

输出：

a    1
b    2
dtype: int64

从总长度中减去 non-NaN 的计数以计算 NaN 的出现次数

我们可以通过从 dataframe 的长度中减去非 NaN 出现的次数来获得每一列中 NaN 出现的次数：

import pandas as pd

df = pd.DataFrame(
    [(1, 2, None), (None, 4, None), (5, None, 7), (5, None, None)],
    columns=["a", "b", "d"],
    index=["A", "B", "C", "D"],
)
print(df)
print(len(df) - df.count())

输出：

     a    b    d
A  1.0  2.0  NaN
B  NaN  4.0  NaN
C  5.0  NaN  7.0
D  5.0  NaN  NaN
a    1
b    2
d    3
dtype: int64

df.isnull().sum() 方法来计算 NaN 的出现次数

我们可以使用 df.isnull().sum() 方法获得每一列中 NaN 出现的次数。如果我们在 sum 方法中传递了 axis=0，它将给出每列中出现 NaN 的次数。如果需要在每行中出现 NaN 次，我们需要设置 axis=1。

考虑以下代码：

import pandas as pd

df = pd.DataFrame(
    [(1, 2, None), (None, 4, None), (5, None, 7), (5, None, None)],
    columns=["a", "b", "d"],
    index=["A", "B", "C", "D"],
)

print("NaN occurrences in Columns:")
print(df.isnull().sum(axis=0))
print("NaN occurrences in Rows:")
print(df.isnull().sum(axis=1))

输出：

NaN occurrences in Columns:
a    1
b    2
d    3
dtype: int64
NaN occurrences in Rows:
A    1
B    2
C    1
D    2
dtype: int64

计算整个 Pandas DataFrame 中 NaN 的出现

为了获得在 DataFrame 中所有 NaN 出现的总数，我们将两个 .sum() 方法链接在一起：

import pandas as pd

df = pd.DataFrame(
    [(1, 2, None), (None, 4, None), (5, None, 7), (5, None, None)],
    columns=["a", "b", "d"],
    index=["A", "B", "C", "D"],
)

print("NaN occurrences in DataFrame:")
print(df.isnull().sum().sum())

输出：

NaN occurrences in DataFrame:
6