Python/Pandas：计算每行中缺失/NaN 的数量

Posted 2023-02-16

【中文标题】Python/Pandas：计算每行中缺失/NaN 的数量

【英文标题】：Python/Pandas: counting the number of missing/NaN in each row

【发布时间】：2015-07-15 13:23:54

【问题描述】：

我有一个包含大量行的数据集。其中一些值为 NaN，如下所示：

In [91]: df
Out[91]:
 1    3      1      1      1
 1    3      1      1      1
 2    3      1      1      1
 1    1    NaN    NaN    NaN
 1    3      1      1      1
 1    1      1      1      1

我想统计每个字符串中 NaN 值的个数，应该是这样的：

In [91]: list = <somecode with df>
In [92]: list
    Out[91]:
     [0,
      0,
      0,
      3,
      0,
      0]

最好和最快的方法是什么？

【问题讨论】：

列的类似问题：How do I get a summary count of missing/NaN data by column in 'pandas'?

【参考方案1】：

您可以先通过isnull() 查找元素是否为NaN，然后逐行查找sum(axis=1)

In [195]: df.isnull().sum(axis=1)
Out[195]:
0    0
1    0
2    0
3    3
4    0
5    0
dtype: int64

而且，如果你想要输出为列表，你可以

In [196]: df.isnull().sum(axis=1).tolist()
Out[196]: [0, 0, 0, 3, 0, 0]

---

或者用count点赞

In [130]: df.shape[1] - df.count(axis=1)
Out[130]:
0    0
1    0
2    0
3    3
4    0
5    0
dtype: int64