首页 文章

如何检查Pandas DataFrame中的任何值是否为NaN

提问于
浏览 次
292

在Python Pandas中，检查DataFrame是否具有一个（或多个）NaN值的最佳方法是什么？

我知道函数 pd.isnan ，但这会为每个元素返回一个布尔数据框架 . This post就在这里也没有完全回答我的问题 .

python pandas dataframe nan

12 回答

  • 352

    由于 pandas 必须为 DataFrame.dropna() 找到它，我看了看它们是如何实现它的，并发现它们使用 DataFrame.count() ，它计算 DataFrame 中的所有非空值 . 参看pandas source code . 我没有对这种技术进行基准测试，但我认为图书馆的作者可能已经做了明智的选择 .

    回复于
  • 22

    jwilner 's response is spot on. I was exploring to see if there'是一个更快的选择，因为根据我的经验，求平面阵列（奇怪地）比计数更快 . 这段代码似乎更快：

    df.isnull().values.any()

    例如：

    In [2]: df = pd.DataFrame(np.random.randn(1000,1000))

In [3]: df[df > 0.9] = pd.np.nan

In [4]: %timeit df.isnull().any().any()
100 loops, best of 3: 14.7 ms per loop

In [5]: %timeit df.isnull().values.sum()
100 loops, best of 3: 2.15 ms per loop

In [6]: %timeit df.isnull().sum().sum()
100 loops, best of 3: 18 ms per loop

In [7]: %timeit df.isnull().values.any()
1000 loops, best of 3: 948 µs per loop

    df.isnull().sum().sum() 有点慢，但当然还有其他信息 - NaNs 的数量 .

    回复于
  • 7

    要找出特定列中哪些行具有NaN：

    nan_rows = df[df['name column'].isnull()]
    回复于
  • 35

    根据您正在处理的数据类型，您还可以通过将dropna设置为False来获取执行EDA时每列的值计数 .

    for col in df:
   print df[col].value_counts(dropna=False)

    适用于分类变量，而不是在有许多唯一值时 .

    回复于
  • 1

    由于没有人提到，只有另一个名为 hasnans 的变量 .

    如果pandas Series中的一个或多个值为NaN， df[i].hasnans 将输出到 True ，否则为 False . 请注意，它不是一个功能 .

    熊猫版'0.19.2'和'0.20.2'

    回复于
  • 1

    只需使用math.isnan(x)，如果x是NaN（不是数字），则返回True，否则返回False .

    回复于
  • 10

    或者您可以在 DF 上使用 .info() ，例如：

    df.info(null_counts=True) 返回列中的non_null行数，例如：

    <class 'pandas.core.frame.DataFrame'>
Int64Index: 3276314 entries, 0 to 3276313
Data columns (total 10 columns):
n_matches                          3276314 non-null int64
avg_pic_distance                   3276314 non-null float64
    回复于
  • 4

    如果你需要知道“一个或多个 NaN s”有多少行：

    df.isnull().T.any().T.sum()

    或者，如果您需要提取这些行并检查它们：

    nan_rows = df[df.isnull().T.any().T]
    回复于
  • 32

    你有几个选择 .

    import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,6))
# Make a few areas have NaN values
df.iloc[1:3,1] = np.nan
df.iloc[5,3] = np.nan
df.iloc[7:9,5] = np.nan

    现在数据框看起来像这样：

    0         1         2         3         4         5
0  0.520113  0.884000  1.260966 -0.236597  0.312972 -0.196281
1 -0.837552       NaN  0.143017  0.862355  0.346550  0.842952
2 -0.452595       NaN -0.420790  0.456215  1.203459  0.527425
3  0.317503 -0.917042  1.780938 -1.584102  0.432745  0.389797
4 -0.722852  1.704820 -0.113821 -1.466458  0.083002  0.011722
5 -0.622851 -0.251935 -1.498837       NaN  1.098323  0.273814
6  0.329585  0.075312 -0.690209 -3.807924  0.489317 -0.841368
7 -1.123433 -1.187496  1.868894 -2.046456 -0.949718       NaN
8  1.133880 -0.110447  0.050385 -1.158387  0.188222       NaN
9 -0.513741  1.196259  0.704537  0.982395 -0.585040 -1.693810
    • Option 1 ： df.isnull().any().any() - 返回一个布尔值

    你知道 isnull() 会返回一个像这样的数据帧：

    0      1      2      3      4      5
0  False  False  False  False  False  False
1  False   True  False  False  False  False
2  False   True  False  False  False  False
3  False  False  False  False  False  False
4  False  False  False  False  False  False
5  False  False  False   True  False  False
6  False  False  False  False  False  False
7  False  False  False  False  False   True
8  False  False  False  False  False   True
9  False  False  False  False  False  False

    如果您将其设为 df.isnull().any() ，则只能找到具有 NaN 值的列：

    0    False
1     True
2    False
3     True
4    False
5     True
dtype: bool

    还有一个 .any() 会告诉你是否有以上任何一个 True

    > df.isnull().any().any()
True
    • Option 2 ： df.isnull().sum().sum() - 返回 NaN 值总数的整数：

    这与 .any().any() 的操作方式相同，首先给出一列中 NaN 值的总和，然后是这些值的总和：

    df.isnull().sum()
0    0
1    2
2    0
3    1
4    0
5    2
dtype: int64

    最后，要获取DataFrame中NaN值的总数：

    df.isnull().sum().sum()
5
    回复于
  • 14

    这是另一种有趣的方法，即找到null并用计算值替换

    #Creating the DataFrame

    testdf = pd.DataFrame({'Tenure':[1,2,3,4,5],'Monthly':[10,20,30,40,50],'Yearly':[10,40,np.nan,np.nan,250]})
    >>> testdf2
       Monthly  Tenure  Yearly
    0       10       1    10.0
    1       20       2    40.0
    2       30       3     NaN
    3       40       4     NaN
    4       50       5   250.0

    #Identifying the rows with empty columns
    nan_rows = testdf2[testdf2['Yearly'].isnull()]
    >>> nan_rows
       Monthly  Tenure  Yearly
    2       30       3     NaN
    3       40       4     NaN

    #Getting the rows# into a list
    >>> index = list(nan_rows.index)
    >>> index
    [2, 3]

    # Replacing null values with calculated value
    >>> for i in index:
        testdf2['Yearly'][i] = testdf2['Monthly'][i] * testdf2['Tenure'][i]
    >>> testdf2
       Monthly  Tenure  Yearly
    0       10       1    10.0
    1       20       2    40.0
    2       30       3    90.0
    3       40       4   160.0
    4       50       5   250.0
    回复于
  • 1

    df.isnull().any().any() 应该这样做 .

    回复于
  • 113

    添加到Hobs的精彩答案，我对Python和Pandas都很陌生，所以请指出我是不是错了 .

    要找出哪些行具有NaN：

    nan_rows = df[df.isnull().any(1)]

    通过将any（）的轴指定为1来检查行中是否存在“True”，将执行相同的操作而无需转置 .

    回复于

相关问题