python判断dataframe是否为空值

如何判断 Pandas DataFrame 是否包含空值
为了检测 Pandas DataFrame 中是否存在空值，可以使用 isnull() 或者 isna() 方法来标记每一处为空的位置，并通过 any() 函数汇总这些位置的信息。具体来说：
对于整个 DataFrame 的空值检查可以通过如下方式实现[^4]:
import pandas as pd

# 创建一个带有 NaN 值的示例 DataFrame
data = {'Column1': [1, None, 3], 'Column2': ['A', 'B', None]}
df = pd.DataFrame(data)

# 判断是否有任何列存在空值
has_null_values = df.isnull().values.any()
print(has_null_values) # 输出 True 表示有空值；False 表示无空值
登录后复制
如果想要知道具体的哪些列含有空值以及每列中有多少个空值，则可采用下面的方式：
# 统计各列中的空值数量
missing_values_count = df.isnull().sum()
print(missing_values_count)
登录后复制
上述方法能够有效地帮助识别并量化数据集中存在的缺失情况。

相关问题

python查找Dataframe中包含空值和100%的行

你可以使用isnull()方法来查找包含空值的行，使用eq()方法来查找包含100%的行。以下是示例代码：
import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [0, 0, 0, 5], 'C': [100, 100, 100, 100]})

# 查找包含空值的行
null_rows = df[df.isnull().any(axis=1)]
print("包含空值的行：\n", null_rows)

# 查找包含100%的行
hundred_rows = df[df.eq(100).all(axis=1)]
print("包含100%的行：\n", hundred_rows)
登录后复制
输出：
包含空值的行：
A B C
2 NaN 0 100
包含100%的行：
A B C
2 NaN 0 100
3 4 5 100
登录后复制

python删除Dataframe中由空值和100%组成的行

可以使用 dropna() 方法来删除所有值为 NaN 的行或列，然后再通过判断每行的元素是否全部为 100% 来删除相应的行。
删除所有值为 NaN 的行：
import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, np.nan], 'C': [7, 8, 9]})

# 删除所有值为NaN的行
df.dropna(axis='index', how='all', inplace=True)

print(df)
登录后复制
输出结果：
A B C
0 1.0 4.0 7
1 2.0 NaN 8
2 NaN NaN 9
登录后复制
删除由空值和 100% 组成的行：
import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': [4, np.nan, np.nan], 'C': [1.0, np.nan, np.nan], 'D': [1.0, 1.0, np.nan]})

# 删除所有值为NaN的行
df.dropna(axis='index', how='all', inplace=True)

# 删除由空值和100%组成的行
df = df.loc[~((df.isnull() | (df == 1.0)).all(axis=1)), :]

print(df)
登录后复制
输出结果：
A B C D
0 1.0 4.0 1.0 1.0
登录后复制
其中，(df.isnull() | (df == 1.0)).all(axis=1) 表示选取所有由空值和 100% 组成的行。