Pandas Count Nan
Cet article de Pandas discutera de la façon dont vous pouvez déterminer le nombre de valeurs NAN dans un Pandas DataFrame.
Fonction pandas isnull ()
La fonction isNull () dans Pandas nous permet de déterminer les valeurs manquantes dans un ensemble de données. Par exemple, nous pouvons utiliser cette fonction pour obtenir le nombre d'éléments NAN dans un Pandas DataFrame.
Considérez l'exemple de dataframe indiqué ci-dessous:
| 1 2 3 4 5 | # Importer des pandas et Numpy Importer des pandas en tant que PD Importer Numpy comme NP df = pd.DataFrame ([[1,2, np.Nan, 3, 4, NP.Nan, 5, NP.nan]]) df |
Ce qui précède crée une simple dataframe contenant des valeurs NAN.
Pandas Count Nan dans la colonne
Pour compter le nombre de valeurs NAN dans une seule colonne, nous pouvons faire:
| 1 | print (f "null: df [2].isNull ().somme()") |
Dans l'exemple ci-dessus, nous utilisons les fonctions isNull () et sum () pour déterminer le nombre d'éléments dans la colonne numéro 2.
Le code ci-dessus doit retourner:
| 1 | NULL: 1 |
Pandas Count Nan dans DataFrame
Pour obtenir le nombre de valeurs NAN dans l'ensemble des données, nous pouvons faire:
| 1 | print (f "nan: df.isNull ().somme().somme()") |
Cela renvoie le nombre de valeurs NAN dans le DataFrame spécifié.
| 1 | Nan: 3 |
Pandas Count Nan dans Row
Pour trouver le nombre de valeurs NAN dans une ligne, nous pouvons utiliser les fonctions LOC et SUM comme indiqué dans l'exemple ci-dessous:
| 1 | print (f "nan dans la ligne (0): df.loc [0].isNull ().somme()") |
Ce qui précède doit renvoyer le nombre de valeurs NAN dans la ligne à l'index 0.
| 1 | Nan dans la ligne (0): 3 |
Conclusion
À l'aide de ce guide, vous avez appris à déterminer le nombre de valeurs NAN dans une colonne DataFrame, entière DataFrame et dans une seule ligne.
Merci d'avoir lu!!