今天边肖就和大家分享一下Python熊猫库中isnull()的详细讲解，有很好的参考价值。希望对你有帮助。来和边肖一起看看吧。

问题描述

Python的熊猫库有一个非常方便的isnull()函数，可以用来判断缺失值。我们将通过几个例子来学习如何使用它。

首先，我们创建一个带有一些缺失值的数据帧。

进口熊猫作为pd

将numpy作为np导入

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

获得的结果如下

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南

3 43.0 26 27.0 53.0 44.0

4南98 45.0 32.0 45.0

5南28南72.0 10.0

6 69.0 92南24.0 61.0

7 51.0 22 35.0南72.0

8 83.0 32 93.0 62.0 25.0

9 48.0 54 83.0 30.0 79.0

让我们首先运行下面的isnull()来看看会发生什么。

df.isnull()

0 1 2 3 4

0假假假假假

1假假假假假

2假假假假真

3假假假假假

4真假假假假假

5真假真假真假假

6假假真假假

7假假假真假

8假假假假假

9假假假假假

可以看到，程序返回了一个布尔值，这个值是缺失值，为真，否则为假。

其它

直接使用isnull()不能直接反映缺失值的信息。

让我们调用其他命令来尝试。

df.isnull()。任何()

0真

1个错误

2正确

3正确

4正确

dtype: bool

可以看出df.isnull()。any()将确定哪些列包含缺失值，如果该列中有缺失值，它将返回True，否则返回False。

df.isnull()。总和()

0 2

1 0

2 2

3 1

4 1

dtype: int64

Isnull()。sum()更直观。它直接告诉我们每一列中缺失值的数量。

以上对Python熊猫库中isnull()的详细解释，就是边肖分享的全部内容。希望能给大家一个参考，多多支持我们。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。