Python - 如何计算 Pandas 数据框中列中的 NaN 出现次数?

要计算列中出现 NaN 的次数,请使用isna(). 使用sum()来添加值并找到计数。

首先,让我们使用各自的别名导入所需的库 -

import pandas as pd

import numpy as np

创建一个数据框。我们已经使用np.inf“Units_Sold”列中的 Numpy 设置了 NaN 值-

dataFrame = pd.DataFrame({"Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"Cubic_Capacity": [2000, 1800, 1500, 2500, 2200, 3000],"Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000],"Units_Sold": [ 100, np.NaN, 150, np.NaN, 200, np.NaN]

})

计算“Units_Sold”列中的 NaN 值 -

dataFrame["Units_Sold"].isna().sum()

示例

以下是代码 -

import pandas as pd

import numpy as np

# 创建数据框

dataFrame = pd.DataFrame({"Car": ['BMW', 'Lexus', 'Tesla', 'Mustang', 'Mercedes', 'Jaguar'],"Cubic_Capacity": [2000, 1800, 1500, 2500, 2200, 3000],"Reg_Price": [7000, 1500, 5000, 8000, 9000, 6000],"Units_Sold": [ 100, np.NaN, 150, np.NaN, 200, np.NaN]

})

print("Dataframe...\n",dataFrame)

# count NaN values from column "Units_Sol"

count = dataFrame["Units_Sold"].isna().sum()

print("\nCount of NaN values in column Units_Sold...\n",count)

输出结果

这将产生以下输出 -

Dataframe...

        Car   Cubic_Capacity   Reg_Price   Units_Sold

0       BMW             2000        7000        100.0

1     Lexus             1800        1500          NaN

2     Tesla             1500        5000        150.0

3   Mustang             2500        8000          NaN

4  Mercedes             2200        9000        200.0

5    Jaguar             3000        6000          NaN

Count of NaN values in column Units_Sold...

3

以上是 Python - 如何计算 Pandas 数据框中列中的 NaN 出现次数? 的全部内容, 来源链接: utcz.com/z/351611.html

回到顶部