Python/Pandas:计算每行中缺失/NaN 的数量
Posted
技术标签:
【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
【讨论】:
以上是关于Python/Pandas:计算每行中缺失/NaN 的数量的主要内容,如果未能解决你的问题,请参考以下文章