pandas查看缺失值

可以使用Pandas的isnull()函数或者isna()函数来查看缺失值。示例代码如下：

import pandas as pd

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

# 使用isnull()函数查看缺失值
print(df.isnull())

# 使用isna()函数查看缺失值
print(df.isna())

输出结果：

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

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

相关问题

pandas 自定义缺失值

可以使用Pandas中的replace()方法来自定义缺失值。具体步骤如下：

1. 首先，将数据中的缺失值替换为Python中的None值或其他标准缺失值（例如NaN）。

2. 然后，使用replace()方法将这些标准缺失值替换为自定义缺失值。

下面是一个示例代码：

import pandas as pd
import numpy as np

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

# 将缺失值替换为None
df = df.replace(np.nan, None)

# 将None替换为自定义缺失值
df = df.replace(to_replace=None, value=-999)

print(df)

输出结果如下：

     A      B      C
0  1.0    5.0    9.0
1  2.0 -999.0   10.0
2 -999    7.0   11.0
3  4.0    8.0 -999.0

pandas 统计缺失值

在Pandas中，可以使用isnull()和notnull()函数来检查DataFrame中的缺失值。其中，isnull()函数返回一个布尔值的DataFrame，对于缺失值为True，否则为False；而notnull()函数返回一个布尔值的DataFrame，对于缺失值为False，否则为True。

以下是一个示例代码，演示如何使用isnull()和notnull()函数来检查DataFrame中的缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的DataFrame
dict = {'First Score':[100, 90, np.nan, 95], 'Second Score': [30, 45, 56, np.nan], 'Third Score':[np.nan, 40, 80, 98]}
df = pd.DataFrame(dict)

# 使用isnull()函数检查缺失值
print(df.isnull())

# 使用notnull()函数检查缺失值
print(df.notnull())

运行以上代码，将输出一个布尔值的DataFrame，对于缺失值为True，否则为False。