Python?pandas庫(kù)中isnull函數(shù)使用方法
前言：
python的pandas庫(kù)中有?個(gè)?分便利的isnull()函數(shù)，它可以?來判斷缺失值，我們通過?個(gè)例?學(xué)習(xí)它的使??法。
?先我們創(chuàng)建?個(gè)dataframe,其中有?些數(shù)據(jù)為缺失值。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randint(10,99,size=(10,5))) df.iloc[4:6,0] = np.nan df.iloc[5:7,2] = np.nan df.iloc[7,3] = np.nan df.iloc[2:3,4] = np.nan
得到的結(jié)果如下所?：
也可以通過pycharm的ScivView查看：
我們先來運(yùn)?一下isnull()看會(huì)出現(xiàn)什么結(jié)果：
print(df.isnull())
運(yùn)行結(jié)果如下所示：
總結(jié)：isnull()返回了布爾值，若該處為缺失值，返回True，若該處不為缺失值，則返回False
直接使?isnull()并不能很直觀的反應(yīng)缺失值的信息。 我們?cè)僬{(diào)?其他命令進(jìn)?嘗試。
df.isnull().any()
# 會(huì)判斷哪些列包含缺失值，該列存在缺失值則返回True，反之False。 print(df.isnull().any())
運(yùn)行結(jié)果如下所示：
總結(jié)：isnull().any()會(huì)判斷哪些列包含缺失值，該列存在缺失值則返回True，反之False。
再來看一個(gè)例子：
使用isnull().sum()它直接告訴我們每列缺失值的個(gè)數(shù)。
# isnull().sum()就更加直觀了，它直接告訴了我們每列缺失值的個(gè)數(shù)。 print(df.isnull().sum())
運(yùn)行結(jié)果如下所示：
我來解釋一下上面圖片：
- 第0列有2個(gè)值為NAN（Not A Number）
- 第1列有1個(gè)值為NAN
- 第2列有2個(gè)值為NAN
- 第3列有1個(gè)值為NAN
- 第4列有1個(gè)值為NAN
我們?cè)偌?xì)心看看這個(gè)圖。是不是和我們isnull().sum()的結(jié)果一模一樣？
到此這篇關(guān)于Python pandas庫(kù)中isnull函數(shù)使用方法的文章就介紹到這了,更多相關(guān)Python isnull內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python使用pandas對(duì)數(shù)據(jù)進(jìn)行差分運(yùn)算的方法
今天小編就為大家分享一篇Python使用pandas對(duì)數(shù)據(jù)進(jìn)行差分運(yùn)算的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12
圖神經(jīng)網(wǎng)絡(luò)GNN算法基本原理詳解
這篇文章主要為大家介紹了圖神經(jīng)網(wǎng)絡(luò)GNN算法基本原理詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Python Coroutine池化的實(shí)現(xiàn)詳解
在當(dāng)今計(jì)算機(jī)科學(xué)和軟件工程的領(lǐng)域中,池化技術(shù)如線程池、連接池和對(duì)象池等已經(jīng)成為優(yōu)化資源利用率和提高軟件性能的重要工具,所以下面我們就來看看Coroutine池化的具體實(shí)現(xiàn)吧2024-01-01
pandas實(shí)現(xiàn)數(shù)據(jù)合并的示例代碼
本文主要介紹了pandas實(shí)現(xiàn)數(shù)據(jù)合并的示例代碼，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-05-05
numpy判斷數(shù)值類型、過濾出數(shù)值型數(shù)據(jù)的方法
今天小編就為大家分享一篇numpy判斷數(shù)值類型、過濾出數(shù)值型數(shù)據(jù)的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-06-06
這篇文章主要講解了Python爬蟲的基礎(chǔ)知識(shí)，文中相關(guān)知識(shí)講解的非常詳細(xì)，感興趣的小伙伴可以參考參考2021-08-08
文章介紹了如何在PyQt6中使用pyqtgraph庫(kù)繪制和顯示折線圖,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),感興趣的朋友跟隨小編一起看看吧2024-11-11
用Python的itertools模塊來創(chuàng)建具有迭代功能的函數(shù)十分具有技巧性,這里我們就來看一下借助itertools模塊、Python使用迭代器打印螺旋矩陣的思路及代碼示例2016-07-07
深入理解?Python?中的?pip?虛擬環(huán)境(最佳實(shí)踐)
本文深入講解了Python中pip虛擬環(huán)境的概念及其重要性,并詳細(xì)介紹了如何創(chuàng)建、激活和管理虛擬環(huán)境,以及如何使用requirements.txt文件記錄和管理項(xiàng)目依賴,文章指出,使用虛擬環(huán)境可以有效避免依賴沖突,為每個(gè)項(xiàng)目提供一個(gè)干凈的開發(fā)環(huán)境,使得項(xiàng)目更易于維護(hù)和部署2024-10-10
使用PyTorch處理多維特征輸入數(shù)據(jù)的完美實(shí)現(xiàn)
在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域,我們經(jīng)常會(huì)面對(duì)具有多維特征輸入的問題,這種情況出現(xiàn)在各種應(yīng)用中,包括圖像識(shí)別、自然語言處理、時(shí)間序列分析等,PyTorch是一個(gè)強(qiáng)大的深度學(xué)習(xí)框架,在本篇博客中,我們將探討如何使用PyTorch來處理多維特征輸入數(shù)據(jù)2023-10-10