Pandas检查dataFrame中的NaN实现

更新时间：2023年01月19日 09:29:07 作者：uncle_ll

本文主要介绍了Pandas检查dataFrame中的NaN实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

检查Pandas DataFrame中的NaN值

在Pandas DataFrame中检查NaN的方法如下：

使用isnull().values.any()方法检查NaN
使用isnull().sum()方法统计NaN
使用isnull().sum().any()方法检查NaN
使用isnull().sum().sum()方法统计NaN

方法1：使用isnull().values.any()方法

# importing libraries
import pandas as pd
import numpy as np


num = {'Integers': [10, 15, 30, 40, 55, np.nan,
                    75, np.nan, 90, 150, np.nan]}

# Create the dataframe
df = pd.DataFrame(num, columns=['Integers'])

# Applying the method
check_nan = df['Integers'].isnull().values.any()

# printing the result
print(check_nan)
# 输出 True

可以通过从isnull().values.any()中删除.values.any()来获得NaN值所在的确切位置。

df['Integers'].isnull()

1
0     False
1     False
2     False
3     False
4     False
5      True
6     False
7      True
8     False
9     False
10     True
Name: Integers, dtype: bool

方法2：使用isnull().sum()方法

# importing libraries
import pandas as pd
import numpy as np


num = {'Integers': [10, 15, 30, 40, 55, np.nan,
                    75, np.nan, 90, 150, np.nan]}

# Create the dataframe
df = pd.DataFrame(num, columns=['Integers'])

# applying the method
count_nan = df['Integers'].isnull().sum()

# printing the number of values present
# in the column
print('Number of NaN values present: ' + str(count_nan))

Number of NaN values present: 3

方法3：使用isnull().sum().any()方法

# importing libraries
import pandas as pd
import numpy as np

nums = {'Integers_1': [10, 15, 30, 40, 55, np.nan, 75,
                    np.nan, 90, 150, np.nan],
        'Integers_2': [np.nan, 21, 22, 23, np.nan, 24, 25,
                    np.nan, 26, np.nan, np.nan]}

# Create the dataframe
df = pd.DataFrame(nums, columns=['Integers_1', 'Integers_2'])

# applying the method
nan_in_df = df.isnull().sum().any()

# Print the dataframe
print(nan_in_df)
# 输出 True

可以通过从isnull().sum().any()中删除.sum().any()来获得NaN值所在的确切位置。

方法4：使用isnull().sum().sum()方法

# importing libraries
import pandas as pd
import numpy as np

nums = {'Integers_1': [10, 15, 30, 40, 55, np.nan, 75,
                    np.nan, 90, 150, np.nan],
        'Integers_2': [np.nan, 21, 22, 23, np.nan, 24, 25,
                    np.nan, 26, np.nan, np.nan]}

# Create the dataframe
df = pd.DataFrame(nums, columns=['Integers_1', 'Integers_2'])

# applying the method
nan_in_df = df.isnull().sum().sum()

# printing the number of values present in
# the whole dataframe
print('Number of NaN values present: ' + str(nan_in_df))

Number of NaN values present: 8

参考

https://www.geeksforgeeks.org/check-for-nan-in-pandas-dataframe/

到此这篇关于Pandas检查dataFrame中的NaN实现的文章就介绍到这了,更多相关Pandas dataFrame NaN内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

使用python实现微信小程序自动签到功能
这篇文章主要介绍了使用python实现微信小程序自动签到功能，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-04-04
python如何生成任意n阶的三对角矩阵
这篇文章主要介绍了python如何生成任意n阶的三对角矩阵，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-05-05
python将依赖和源码打包在一起的方法
Python 项目在不同环境中部署时，经常会遇到安装依赖的问题，为了避免多个环境引起的重复劳动，可以将依赖和源码打包在一起交付，本文就给大家详解介绍了将依赖和源码打包在一起的方法,需要的朋友可以参考下
2023-06-06
Python开发微信公众平台的方法详解【基于weixin-knife】
这篇文章主要介绍了Python开发微信公众平台的方法,结合实例形式分析了Python基于weixin-knife针对微信公众平台消息、接口调用及事件处理的基本操作技巧与相关注意事项,需要的朋友可以参考下
2017-07-07
python爬虫之bs4数据解析
这篇文章主要介绍了python爬虫之bs4数据解析,文中有非常详细的代码示例,对正在学习python爬虫的小伙伴们有非常好的帮助,需要的朋友可以参考下
2021-04-04
简单了解Python字典copy与赋值的区别
这篇文章主要介绍了简单了解Python字典copy与赋值区别,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-09-09
深入了解Python如何操作MongoDB
MongoDB是由C++语言编写的非关系型数据库，是一个基于分布式文件存储的开源数据库系统。本文主要介绍了如何通过Python操作MongoDB，需要的可以参考一下
2022-01-01
Python如何批量更改图像尺寸统一大小
这篇文章主要介绍了Python如何批量更改图像尺寸统一大小问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-03-03
python中的split()函数和os.path.split()函数使用详解
今天小编就为大家分享一篇python中的split()函数和os.path.split()函数使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
Python设计模式之观察者模式原理与用法详解
这篇文章主要介绍了Python设计模式之观察者模式,简单讲述了观察者模式的概念、原理并结合实例形式分析了Python实现与使用方法,需要的朋友可以参考下
2019-01-01