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

计算二维数组每行中非 NaN 值的数量

Pandas处理缺失的数据

处理逻辑回归的 NaN(缺失)值 - 最佳实践?

Python,Pandas:只返回那些有缺失值的行

如何按“熊猫”中的列获取缺失/NaN 数据的汇总计数?

如何按“熊猫”中的列获取缺失/NaN 数据的汇总计数?