pandas怎么统计dataframe某列不是nan的数量

可以使用`count()`方法来统计某列非NaN的数量，例如：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, 12]})

# 统计列A中非NaN的数量
count_A = df['A'].count()
print(count_A)

输出结果为：

3

说明列A中有3个非NaN的值。

相关问题

如何在 Pandas DataFrame 的列中将所有 NaN 值替换为零？

要将 Pandas DataFrame 中的所有 NaN 值替换为零，可以使用 `fillna()` 方法。以下是一个示例：

import pandas as pd
import numpy as np

# 创建一个包含 NaN 值的 DataFrame
df = pd.DataFrame({'A': [1, np.nan, 3],
                   'B': [4, 5, np.nan],
                   'C': [np.nan, 7, 8]})

# 将所有 NaN 值替换为零
df.fillna(0, inplace=True)

在上面的示例中，`fillna(0, inplace=True)` 将 DataFrame 中的所有 NaN 值替换为零，并且使用 `inplace=True` 参数将更改应用于原始 DataFrame。如果不想修改原始 DataFrame，可以将 `inplace=True` 参数移除。

希望这可以帮助到你！如果你还有其他问题，请随时问我。

python3 pandas 的DataFrame中某一列的数据格式为'100,456'，怎么将整列转为int

你可以使用 `pd.to_numeric` 函数来将 DataFrame 中的列转化为数值型。

例如：

import pandas as pd

df = pd.DataFrame({'col': ['100,456', '200,987', '300,321']})
df['col'] = pd.to_numeric(df['col'].str.replace(',', ''))

这样就可以将 `df['col']` 中的数据转化为 int 类型了。

注意，如果有些单元格中的数据无法被转化为数值型，则会被赋值为 `NaN`。你可以使用 `df.fillna()` 函数来填充这些缺失值。