如何检查熊猫系列是不是为空？

Posted 2023-03-11

【中文标题】如何检查熊猫系列是不是为空？

【英文标题】：How to check if pandas Series is empty?如何检查熊猫系列是否为空？

【发布时间】：2014-08-30 09:42:15

【问题描述】：

如何判断pandas Series是否为空？

我试过这个：

How to check whether a pandas DataFrame is empty?

但似乎 Series 没有属性“isempty”。

【问题讨论】：

len(ts) == 0 怎么样？编辑：ts.empty 应该可以工作

len(ts) 为我工作 ts.empty 没有

【参考方案1】：

我使用 len 函数。它比 empty() 快得多。 len(df.index) 更快。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10000, 4), columns=list('ABCD'))

def empty(df):
    return df.empty

def lenz(df):
    return len(df) == 0

def lenzi(df):
    return len(df.index) == 0

'''
%timeit empty(df)
%timeit lenz(df)
%timeit lenzi(df)

10000 loops, best of 3: 13.9 µs per loop
100000 loops, best of 3: 2.34 µs per loop
1000000 loops, best of 3: 695 ns per loop

len on index seems to be faster
'''

【讨论】：

我知道 :) 小说中反复问过的问题，不是吗？

这是一个正确的评估！现在的问题是，应该只使用常规的 len(df) 来不让未来的小辈在看代码时感到困惑，还是仍然使用 len(df.index)？

【参考方案2】：

我用它来检查 dataFrame 中的特定列是否没有值或为空：

len(df.col_name.value_counts()) > 0

【参考方案3】：

根据 Pandas documentation，您需要使用 empty 属性而不是 isempty

例如

In [12]: df.empty
Out[13]: False

【讨论】：

另外，根据 OP 链接到的帖子，它是 empty 而不是 isempty。不知道他为什么一开始没有读到……

【参考方案4】：

如果 NDFrame 包含仅个 NaN，它仍然不被认为是空的。请参阅下面的示例。

示例

一个实际的空 DataFrame 示例。注意索引是空的：

>>> df_empty = pd.DataFrame('A' : [])
>>> df_empty
Empty DataFrame
Columns: [A]
Index: []
>>> df_empty.empty
True

如果我们的 DataFrame 中只有 NaNs，它不会被认为是空的！我们需要删除 NaNs 以使 DataFrame 为空：

>>> df = pd.DataFrame('A' : [np.nan])
>>> df
    A
0 NaN
>>> df.empty
False
>>> df.dropna().empty
True

Source

【讨论】：

一个重要的区别！

【参考方案5】：

长答案：视情况而定

根据您对空的定义，您的答案可能会有很大差异，正如其他各种答案所示。我试着总结一下，但首先有一些测试DataFrames：

no_rows = pd.DataFrame([], columns=list('ABCD'))
no_cols = pd.DataFrame([], index=range(3))
only_na = pd.DataFrame(float('nan'), index=range(3), columns=list('ABCD'))

空 == 没有行

目前最流行的回答是采用这种方式：0行的DataFrame是空的：

def empty_no_rows(df):
    return len(df.index) == 0

空 == 没有列

尚未提及，但同样有效的是转置定义：

def empty_no_cols(df):
    return len(df.columns) == 0

空 == 没有值

其实不是，你关心的是价值观！如果您更喜欢可以同时处理空 index 或 columns 的定义，则以下定义​​将起作用：

def empty_no_vals(df):
    return df.values.size == 0

空 == pandas 说的

为什么不接受 pandas 自己的空虚定义，这对于这些测试用例会导致与无值定义相同的结果：

def empty_native(df):
    return df.empty

Pandas 自己的实现基本上只是检查len(df.columns) == 0 or len(df.index) == 0，从不直接查看values。

空 == 不仅是 NaN

最后，您可能想在考虑中忽略NaN：

def empty_nans(df):
    return df.dropna(how='all').empty

但实际上，这会打开下一个蠕虫，因为您现在必须决定 how 以及要丢弃哪个 axis？我在这里坚持更保守的all。一旦删除了这些值，您现在可以将上述所有定义应用于其结果。

比较

DataFrame	empty_no_rows	empty_no_cols	empty_no_vals	empty_native	empty_nans
no_rows	✅ True	❌ False	✅ True	✅ True	✅ True
no_cols	❌ False	✅ True	✅ True	✅ True	✅ True
only_na	❌ False	❌ False	❌ False	❌ False	✅ True

_{编者注：我将所有这些函数都称为is_empty_...，但这会导致比较表太宽。}

【参考方案6】：

感谢@sparrow，我用它来测试日期时间列：

    if len(df.select_dtypes(include='datetime').iloc[0].value_counts()) == 0:
        print('DF DATETIME COLUMNS: ', len(df_dt.iloc[0].value_counts()))

其他方法（a.any()、a.empty()...）都不起作用。 select 返回一个非空索引但有空列，所以我认为就是这样。 我认为它实际上返回了一个系列，因此 iloc 为零。

【参考方案7】：

要检查一个系列是否为空，我执行以下操作：

df['your data'].notna().sum() == 0