Python 检测dataframe哪里出现了nan

在Python中，可以使用pandas库来检测DataFrame中的NaN（Not a Number）值。以下是如何操作：

导入pandas库[^1]：
import pandas as pd
登录后复制

创建一个包含NaN值的DataFrame示例：
df = pd.DataFrame({
'A': [1, 2, np.nan],
'B': [5, np.nan, 7],
'C': [9, 10, 11]
})
登录后复制

使用.isnull()方法检查每个元素是否为NaN，结果会返回一个布尔类型的DataFrame：
nan_df = df.isnull()
登录后复制

可以使用.sum()方法统计每一列中有多少NaN值：
null_counts = nan_df.sum()
print(null_counts)
登录后复制

这样，你就可以看到哪些列有NaN值以及它们的数量。

相关问题

python dataframe筛选有nan的部分

在Python Pandas DataFrame中，筛选含有缺失值（NaN）的部分可以使用isnull()和布尔索引来实现。以下是如何操作的示例：
# 导入pandas库
import pandas as pd

# 假设df是我们要操作的数据框
data = {
'Name': ['Alice', 'Bob', 'Charlie', np.nan, 'Eve'],
'Age': [25, 30, 35, np.nan, 45],
'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix']
}
df = pd.DataFrame(data)

# 检查每一列是否有缺失值
has_nans = df.isnull().any()

# 找到有缺失值的列
columns_with_nans = has_nans[has_nans].index.tolist()

# 提取包含NaN的行
rows_with_nans = df.loc[df.isnull().any(axis=1)]

# 输出结果
print(f"Columns with NaN values: {columns_with_nans}")
print(f"Rows with NaN values:\n{rows_with_nans}")
登录后复制
这段代码首先检查每个列是否包含任何缺失值，然后找出这些列以及对应行中存在缺失值的部分。

python中dataframe删除nan行

可以使用dropna()方法删除包含NaN值的行：
import pandas as pd

# 创建包含NaN值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, np.nan]})

# 删除包含NaN值的行
df = df.dropna()

print(df)
登录后复制
输出结果：
A B C
0 1.0 5.0 9.0
登录后复制
也可以通过指定axis=0参数来删除行中包含NaN值的列：
import pandas as pd

# 创建包含NaN值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, np.nan]})

# 删除包含NaN值的列
df = df.dropna(axis=1)

print(df)
登录后复制
输出结果：
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3]
登录后复制