python 中怎么找出值全为空的变量

你可以使用列表推导式来筛选出值全为空的变量。比如说，假设有三个变量a、b、c，你可以这样写：

empty_vars = [var for var in [a, b, c] if var is None or var == '']

这样，empty_vars列表就会包含所有值全为空的变量了。当然，前提是这些变量在代码中已经被定义过了。

相关问题

数据清洗步骤中删除了所有记录，没有剩余的数据可供绘图。修改这部分代码，提供完整代码

如果你在数据清洗过程中误删了所有记录，导致没有数据可用，你需要恢复之前的一个备份，或者重新检查代码，找出问题所在。以下是一个基本的检查流程：

1. 首先，确认`convert_to_numeric()`函数内部是否有异常处理不当，例如`pd.to_numeric()`的错误处理，可能导致全部数据转成`NaN`。

def convert_to_numeric(series):
    numeric_series = pd.to_numeric(series, errors='coerce')
    if numeric_series.isnull().all():  # 如果所有元素都是 NaN，说明转换失败
        print(f"转换系列'{series.name}'失败，全为非数字")
        return series
    else:
        return numeric_series

2. 确保`dropna()`和`drop_duplicates()`操作在正确的条件下进行，避免因为单一列或唯一键的缺失而删除所有记录。

# 更改为仅在某一列存在缺失值时才删除该行
clean_data.dropna(subset=['房屋总价'], how='any', inplace=True)

# 或者，在去重前添加条件判断
if clean_data.duplicated().sum() > 0:
    clean_data.drop_duplicates(inplace=True)
else:
    print("数据中无重复记录，无需去重")

3. 检查`max_price_per_sqm`变量是否合理，如果设置得太高，确实可能会过滤掉所有记录。适当调整这个阈值。

修复这些问题之后，再运行数据清洗和绘图的部分，看是否能得到预期的结果。如果还是没有数据，可以考虑增加一些日志信息或异常处理来定位问题。