Python pandas库中的isnull（）函数

本文介绍: python的pandas 库中有⼀个⼗分便利的i s null()函数，它可以⽤来判断缺失值，我们通过⼏个例⼦学习它的使⽤⽅法。⾸先我们创建⼀个dataframe,其中有⼀些数据为缺失值。import pandas a s pd import numpy a s npdf = pd.Da t aFram e(np.random.rand int(10,99,size=(10,5)))df.iloc[4:6,0] = np.nan df.iloc[5:7,2] = np.nan df.iloc[7,3] = np.n

python的pandas 库中有⼀个⼗分便利的is null()函数，它可以⽤来判断缺失值，我们通过⼏个例⼦学习它的使⽤⽅法。
⾸先我们创建⼀个dataframe,其中有⼀些数据为缺失值。

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

得到的结果如下所⽰
在这里插入图片描述
也可以通过pycharm的Sci vView查看

 我们先来运⾏一下isnull()看会出现什么结果

print(df.isnull())

运行结果如下 所示：

总结：isnull()返回了布尔值，若该处为缺失值，返回Tr ue，若该处不为缺失值，则返回Fals e

直接使⽤isnull()并不能很直观的反应缺失值的信息。我们再调⽤其他命令进⾏尝试。
df.isnull().any()

# 会判断哪些列包含缺失值，该列存在缺失值则返回True，反之False。
print(df.isnull().any())

运行结果如下所示：
在这里插入图片描述
总结：isnull().any()会判断哪些列包含缺失值，该列存在缺失值则返回Tr ue，反之False。

再来看一个例子：
使用isnull().sum()它直接告诉我们每列缺失值的个数。

# isnull().sum()就更加直观了，它直接告诉了我们每列缺失值的个数。
print(df.isnull().sum())

运行结果如下所示：
在这里插入图片描述
上图是不是看不懂？
我来解释一下：第0列有2个值为NAN（No t A Numb e r）
第1列有1个值为NAN
第2列有2个值为NAN
第3列有1个值为NAN
第4列有1个值为NAN
我们再细心看看这个图。是不是和我们isnull().sum()的结果一模一样？
在这里插入图片描述