溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
問題描述
python的pandas庫中有一個十分便利的isnull()函數，它可以用來判斷缺失值，我們通過幾個例子學習它的使用方法。
首先我們創建一個dataframe,其中有一些數據為缺失值。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randint(10,99,size=(10,5))) df.iloc[4:6,0] = np.nan df.iloc[5:7,2] = np.nan df.iloc[7,3] = np.nan df.iloc[2:3,4] = np.nan
得到的結果如下所示
0 1 2 3 4
0 63.0 89 58.0 94.0 10.0
1 44.0 77 66.0 54.0 14.0
2 25.0 41 93.0 56.0 NaN
3 43.0 26 27.0 53.0 44.0
4 NaN 98 45.0 32.0 45.0
5 NaN 28 NaN 72.0 10.0
6 69.0 92 NaN 24.0 61.0
7 51.0 22 35.0 NaN 72.0
8 83.0 32 93.0 62.0 25.0
9 48.0 54 83.0 30.0 79.0
我們先來運行以下isnull()看會出現什么結果
df.isnull()
0 1 2 3 4
0 False False False False False
1 False False False False False
2 False False False False True
3 False False False False False
4 True False False False False
5 True False True False False
6 False False True False False
7 False False False True False
8 False False False False False
9 False False False False False
可見程序返回了布爾值，該處為缺失值，返回True，該處不為缺失值，則返回False
其它
直接使用isnull()并不能很直觀的反應缺失值的信息。
我們再調用其他命令進行嘗試。
df.isnull().any()
0 True 1 False 2 True 3 True 4 True dtype: bool
可見df.isnull().any()會判斷哪些列包含缺失值，該列存在缺失值則返回True，反之False。
df.isnull().sum()
0 2 1 0 2 2 3 1 4 1 dtype: int64
isnull().sum()就更加直觀了，它直接告訴了我們每列缺失值的數量。
以上這篇Python pandas庫中的isnull()詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
