python pandas 统计各列空值

可以使用Pandas中的isnull()和sum()方法来统计各列空值的个数。具体实现方法如下：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
})

# 统计各列空值的个数
null_count = df.isnull().sum()

# 输出结果
print(null_count)

运行结果为：

A    1
B    1
C    1
dtype: int64

可以看到，输出结果中每一列的空值个数都被统计出来了。

相关问题

python 查询pandas中的空值

你可以使用 Pandas 中的 `isnull()` 函数来查询 DataFrame 中的空值。这个函数会返回一个布尔值的 DataFrame，其中的每个元素表示对应位置是否为空值。你可以进一步使用 `sum()` 函数来计算每列或每行中的空值数量。

下面是一个示例：

import pandas as pd

# 创建一个包含空值的 DataFrame
data = {'A': [1, 2, None, 4],
        'B': ['foo', None, 'bar', 'baz'],
        'C': ['', 'qux', None, 'quux']}
df = pd.DataFrame(data)

# 查询 DataFrame 中的空值
null_values = df.isnull()
print(null_values)

# 计算每列的空值数量
null_counts = df.isnull().sum()
print(null_counts)

# 计算每行的空值数量
null_counts_row = df.isnull().sum(axis=1)
print(null_counts_row)

这段代码会输出以下结果：

       A      B      C
0  False  False  False
1  False   True  False
2   True  False   True
3  False  False  False

A    1
B    1
C    1
dtype: int64

0    0
1    1
2    2
3    0
dtype: int64

其中，输出的布尔值 DataFrame 表示了每个位置是否为空值，`null_counts` 则表示了每列的空值数量，`null_counts_row` 表示了每行的空值数量。

python pandas筛选空值

在Python的pandas库中，可以使用notnull()函数来筛空值。notnull()函数返回一个布尔值的DataFrame，其中True表示对应位置的值不是空值，False表示对应位置的值是空值[^1]。

以下是一个示例代码，演示如何使用notnull()函数来筛选空值：

import pandas as pd

# 创建一个包含空值的DataFrame
data = {'A': [1, 2, None, 4],
        'B': [None, 6, 7, 8]}
df = pd.DataFrame(data)

# 使用notnull()函数筛选空值
result = df.notnull()
print(result)

输出结果为：

       A      B
0   True  False
1   True   True
2  False   True
3   True   True

上述代码中，我们创建了一个包含空值的DataFrame，并使用notnull()函数筛选空值。结果显示了每个位置是否为空值。