zoukankan      html  css  js  c++  java
  • Python Pandas找到缺失值的位置

    python pandas判断缺失值一般采用 isnull(),然而生成的却是所有数据的true/false矩阵,对于庞大的数据dataframe,很难一眼看出来哪个数据缺失,一共有多少个缺失数据,缺失数据的位置。

    首先对于存在缺失值的数据,如下所示

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

    df.isnull()   会产生如下结果

           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

    df.isnull().any()   则会判断哪些”列”存在缺失值

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

    df[df.isnull().values==True]      可以只显示存在缺失值的行列,清楚的确定缺失值的位置。

              0         1         2         3         4         5
    1  1.090872       NaN -0.287612 -0.239234 -0.589897  1.849413
    2 -1.384721       NaN -0.158293  0.011798 -0.564906 -0.607121
    5 -0.477590 -2.696239  0.312837       NaN  0.404196 -0.797050
    7  0.369665 -0.268898 -0.344523 -0.094436  0.214753       NaN
    8 -0.114483 -0.842322  0.164269 -0.812866 -0.601757       NaN
  • 相关阅读:
    10.19
    10.17
    张钊的作业
    张钊的第十一份作业
    张钊的第十份作业
    张昭的第九次作业
    张钊的第八份作业
    张钊的第七份作业
    张钊的第六次作业啊
    张钊O的第五次作业
  • 原文地址:https://www.cnblogs.com/nxf-rabbit75/p/10200688.html
Copyright © 2011-2022 走看看