统计某一列或某一行的缺失值数目
1.使用isnull()
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import pandas as pd# 首先导入数据df = pd.read_csv('123.csv' , encoding='gbk')# 计算data每一行有多少个缺失值的值，即按行统计缺失值rows_null = df.isnull().sum(axis=1) # 下面则是按列统计缺失值col_null = df.isnull().sum(axis=0)#统计整个df的缺失值all_null = df.isnull().sum().sum()# 统计某一列的缺失值idx_null = df['列名'].isnull().sum(axis=0) |
2.使用count
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import pandas as pd# 首先导入数据df = pd.read_csv('123.csv' , encoding='gbk')# 计算data每一行有多少个非空的值，即按行统计非空值rows_not_null = df.count(axis=1) # 下面则是按列统计非空值cols_not_null = df.count(axis=0)cols_null = df.shape[1] - cols_not_null# 统计某一列的非空值col_not_null = df['列名'].count(axis=0) |
利用pandas处理缺失值
处理缺失值
|
1
2
3
4
5
6
7
|
def missing_values(dataframe): missing_ratio = (dataframe.isnull().sum() / len(dataframe))*100 missing_ratio = missing_ratio.drop(missing_ratio[missing_ratio == 0].index).sort_values(ascending=False) missing_count = dataframe.isnull().sum() missing_count = missing_count.drop(missing_count[missing_count == 0].index).sort_values(ascending=False) info = pd.DataFrame({'Missing Ratio': missing_ratio, 'Missing Count': missing_count}) return info |
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://wangguisen.blog.csdn.net/article/details/106802178
