调用 sum()、 isnull() 函数，计算变量 data 存在空值的总数

假设 data 是一个列表或者数组，可以使用以下代码计算 data 中存在空值的总数：

import numpy as np

data = [1, 2, np.nan, 4, None, 6, np.nan]
num_null = sum(map(lambda x: np.isnan(x) or x is None, data))
print(num_null)  # 输出结果为 3

其中，np.isnan(x) 用于判断 x 是否为 NaN（Not a Number），x is None 用于判断 x 是否为 None。map 函数将 lambda 函数应用于 data 中的每个元素，返回一个布尔值列表，然后使用 sum() 函数求和。

相关问题

调用isnull和sum方法发现付款时间存在空值，表示订单未付款

在实际的数据处理和分析中，空值可能会对结果产生影响，需要特别处理。可以使用pandas库的isnull函数和sum函数来查看数据集中是否存在空值，并统计空值的数量。以下是一个简单的Python代码示例：

import pandas as pd

# 读取数据集，假设数据集文件名为dataset.csv，且数据集中的字段分别为field1、field2、field3、field4、field5、field6
data = pd.read_csv('dataset.csv')

# 使用isnull函数查找空值
null_data = data[data['付款时间'].isnull()]

# 使用sum函数查看空值的数量
print('空值的数量为：', null_data['付款时间'].isnull().sum())

以上代码中，我们首先使用pandas库的read_csv函数读取了数据集，接着使用isnull函数查找了空值，并将结果保存在null_data变量中，最后使用sum函数统计了空值的数量。如果空值的数量为0，则说明数据集中不存在空值；如果空值的数量大于0，则说明数据集中存在空值，需要进一步处理。根据代码运行结果，我们可以得出结论：数据集中的付款时间存在空值，表示订单未付款。