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。