如何计算 pandas DataFrame 列中的 NaN 值？

Question

我想在我的数据的每一列中找到NaN的数量。

Answer 1

使用isna()方法（或者它的别名isnull()也与旧版 pandas < 0.21.0 兼容），然后求和以计算 NaN 值。 对于一列：

>>> s = pd.Series([1,2,3, np.nan, np.nan])

>>> s.isna().sum()   # or s.isnull().sum() for older pandas versions
2

对于几个列，这也适用：

>>> df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

>>> df.isna().sum()
a    1
b    2
dtype: int64

Answer 2

让我们假设df是一个熊猫数据框。

然后，

df.isnull().sum(axis = 0)

这将在每列中给出 NaN 值的数量。

如果需要，每行中的 NaN 值，

df.isnull().sum(axis = 1)

Answer 3

您可以从非 nan 值的计数中减去总长度：

count_nan = len(df) - df.count()

你应该在你的数据上计时。 与isnull解决方案相比，小型系列的速度提高了 3 倍。

Answer 4

根据投票最多的答案，我们可以轻松定义一个函数，该函数为我们提供一个数据框来预览缺失值和每列中缺失值的百分比：

def missing_values_table(df):
    mis_val = df.isnull().sum()
    mis_val_percent = 100 * df.isnull().sum() / len(df)
    mis_val_table = pd.concat([mis_val, mis_val_percent], axis=1)
    mis_val_table_ren_columns = mis_val_table.rename(
    columns = {0 : 'Missing Values', 1 : '% of Total Values'})
    mis_val_table_ren_columns = mis_val_table_ren_columns[
        mis_val_table_ren_columns.iloc[:,1] != 0].sort_values(
    '% of Total Values', ascending=False).round(1)
    print ("Your selected dataframe has " + str(df.shape[1]) + " columns.\n"      
        "There are " + str(mis_val_table_ren_columns.shape[0]) +
            " columns that have missing values.")
    return mis_val_table_ren_columns

Answer 5

自 pandas 0.14.1 以来，我在value_counts 方法中使用关键字参数的建议已经实现：

import pandas as pd
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
for col in df:
    print df[col].value_counts(dropna=False)

2     1
 1     1
NaN    1
dtype: int64
NaN    2
 1     1
dtype: int64

Answer 6

dataset.isnull().sum()

这会工作！

Answer 7

如果它只是在 pandas 列中计算 nan 值是一种快速方法

import pandas as pd
## df1 as an example data frame 
## col1 name of column for which you want to calculate the nan values
sum(pd.isnull(df1['col1']))

Answer 8

df.isnull().sum()将给出缺失值的按列总和。

如果您想知道特定列中缺失值的总和，则以下代码将起作用： df.column.isnull().sum()

Answer 9

下面将按降序打印所有 Nan 列。

df.isnull().sum().sort_values(ascending = False)

或者

下面将按降序打印前 15 个 Nan 列。

df.isnull().sum().sort_values(ascending = False).head(15)

Answer 10

df.isnull().sum() 
      //type: <class 'pandas.core.series.Series'>

或者

df.column_name.isnull().sum()
     //type: <type 'numpy.int64'>

Answer 11

如果您使用的是 Jupyter Notebook，怎么样....

 %%timeit
 df.isnull().any().any()

或者

 %timeit 
 df.isnull().values.sum()

或者，数据中是否有任何 NaN，如果有，在哪里？

 df.isnull().any()

Answer 12

import numpy as np
import pandas as pd

raw_data = {'first_name': ['Jason', np.nan, 'Tina', 'Jake', 'Amy'], 
        'last_name': ['Miller', np.nan, np.nan, 'Milner', 'Cooze'], 
        'age': [22, np.nan, 23, 24, 25], 
        'sex': ['m', np.nan, 'f', 'm', 'f'], 
        'Test1_Score': [4, np.nan, 0, 0, 0],
        'Test2_Score': [25, np.nan, np.nan, 0, 0]}
results = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'sex', 'Test1_Score', 'Test2_Score'])

---

results 
'''
  first_name last_name   age  sex  Test1_Score  Test2_Score
0      Jason    Miller  22.0    m          4.0         25.0
1        NaN       NaN   NaN  NaN          NaN          NaN
2       Tina       NaN  23.0    f          0.0          NaN
3       Jake    Milner  24.0    m          0.0          0.0
4        Amy     Cooze  25.0    f          0.0          0.0
'''

您可以使用以下函数，它将在 Dataframe 中为您提供输出

• 零值
• 缺失值
• 总值百分比
• 缺失值总计为零
• % 总零缺失值
• 数据类型

只需复制并粘贴以下函数并通过传递您的熊猫数据框来调用它

def missing_zero_values_table(df):
        zero_val = (df == 0.00).astype(int).sum(axis=0)
        mis_val = df.isnull().sum()
        mis_val_percent = 100 * df.isnull().sum() / len(df)
        mz_table = pd.concat([zero_val, mis_val, mis_val_percent], axis=1)
        mz_table = mz_table.rename(
        columns = {0 : 'Zero Values', 1 : 'Missing Values', 2 : '% of Total Values'})
        mz_table['Total Zero Missing Values'] = mz_table['Zero Values'] + mz_table['Missing Values']
        mz_table['% Total Zero Missing Values'] = 100 * mz_table['Total Zero Missing Values'] / len(df)
        mz_table['Data Type'] = df.dtypes
        mz_table = mz_table[
            mz_table.iloc[:,1] != 0].sort_values(
        '% of Total Values', ascending=False).round(1)
        print ("Your selected dataframe has " + str(df.shape[1]) + " columns and " + str(df.shape[0]) + " Rows.\n"      
            "There are " + str(mz_table.shape[0]) +
              " columns that have missing values.")
#         mz_table.to_excel('D:/sampledata/missing_and_zero_values.xlsx', freeze_panes=(1,0), index = False)
        return mz_table

missing_zero_values_table(results)

输出

Your selected dataframe has 6 columns and 5 Rows.
There are 6 columns that have missing values.

             Zero Values  Missing Values  % of Total Values  Total Zero Missing Values  % Total Zero Missing Values Data Type
last_name              0               2               40.0                          2                         40.0    object
Test2_Score            2               2               40.0                          4                         80.0   float64
first_name             0               1               20.0                          1                         20.0    object
age                    0               1               20.0                          1                         20.0   float64
sex                    0               1               20.0                          1                         20.0    object
Test1_Score            3               1               20.0                          4                         80.0   float64

如果你想保持简单，那么你可以使用以下函数来获取 % 中的缺失值

def missing(dff):
    print (round((dff.isnull().sum() * 100/ len(dff)),2).sort_values(ascending=False))


missing(results)
'''
Test2_Score    40.0
last_name      40.0
Test1_Score    20.0
sex            20.0
age            20.0
first_name     20.0
dtype: float64
'''

Answer 13

请在下面使用特定的列数

dataframe.columnName.isnull().sum()

Answer 14

计数零：

df[df == 0].count(axis=0)

计算 NaN：

df.isnull().sum()

或者

df.isna().sum()

Answer 15

希望这可以帮助，

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan],'c':[np.nan,2,np.nan], 'd':[np.nan,np.nan,np.nan]})

df.isnull().sum()/len(df) * 100

Thres = 40
(df.isnull().sum()/len(df) * 100 ) < Thres

Answer 16

您可以使用 value_counts 方法并打印 np.nan 的值

s.value_counts(dropna = False)[np.nan]

Answer 17

另一个尚未建议的简单选项（仅计算 NaN）是添加形状以返回带有 NaN 的行数。

df[df['col_name'].isnull()]['col_name'].shape

Answer 18

对于第一部分计数NaN ，我们有多种方式。

方法一count ，由于count会忽略与size不同的NaN

print(len(df) - df.count())

方法 2 isnull / isna链与sum

print(df.isnull().sum())
#print(df.isna().sum())

方法 3 describe / info ：注意这将输出 'notnull' 值计数

print(df.describe())
#print(df.info())

来自numpy的方法

print(np.count_nonzero(np.isnan(df.values),axis=0))

---

对于问题的第二部分，如果我们想通过 thresh 删除列，我们可以尝试使用dropna

thresh, optional 需要很多非 NA 值。

Thresh = n # no null value require, you can also get the by int(x% * len(df))
df = df.dropna(thresh = Thresh, axis = 1)

Answer 19

df1.isnull().sum()

这会成功的。

Answer 20

这是按列计算Null值的代码：

df.isna().sum()

Answer 21

2017 年 7 月有一篇不错的 Dzone 文章详细介绍了总结 NaN 值的各种方法。 在这里查看。

我引用的文章通过以下方式提供了额外的价值：(1) 展示了一种计算和显示每一列的 NaN 计数的方法，以便人们可以轻松决定是否丢弃这些列；(2) 展示一种选择这些行的方法具体哪些具有 NaN，以便可以选择性地丢弃或估算它们。

这是一个演示该方法实用性的快速示例 - 只有几列可能它的用处并不明显，但我发现它对更大的数据框有帮助。

import pandas as pd
import numpy as np

# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

# Check whether there are null values in columns
null_columns = df.columns[df.isnull().any()]
print(df[null_columns].isnull().sum())

# One can follow along further per the cited article

Answer 22

如果您需要获取由 groupby 提取的不同组的非 NA（非无）和 NA（无）计数：

gdf = df.groupby(['ColumnToGroupBy'])

def countna(x):
    return (x.isna()).sum()

gdf.agg(['count', countna, 'size'])

这将返回非 NA、NA 和每组条目总数。

Answer 23

您可以尝试：

In [1]: s = pd.DataFrame('a'=[1,2,5, np.nan, np.nan,3],'b'=[1,3, np.nan, np.nan,3,np.nan])

In [4]: s.isna().sum()   
Out[4]: out = {'a'=2, 'b'=3} # the number of NaN values for each column

如果需要，nans 的总数：

In [5]: s.isna().sum().sum()
Out[6]: out = 5  #the inline sum of Out[4] 

Answer 24

根据给出的答案和一些改进，这是我的方法

def PercentageMissin(Dataset):
    """this function will return the percentage of missing values in a dataset """
    if isinstance(Dataset,pd.DataFrame):
        adict={} #a dictionary conatin keys columns names and values percentage of missin value in the columns
        for col in Dataset.columns:
            adict[col]=(np.count_nonzero(Dataset[col].isnull())*100)/len(Dataset[col])
        return pd.DataFrame(adict,index=['% of missing'],columns=adict.keys())
    else:
        raise TypeError("can only be used with panda dataframe")

Answer 25

我使用这个循环来计算每列的缺失值：

# check missing values
import numpy as np, pandas as pd
for col in df:
      print(col +': '+ np.str(df[col].isna().sum()))

Answer 26

您可以使用 df.iteritems() 循环遍历数据框。 在 for 循环中设置条件以计算每列的 NaN 值百分比，并删除那些包含 NaN 值超过设置阈值的值：

for col, val in df.iteritems():
    if (df[col].isnull().sum() / len(val) * 100) > 30:
        df.drop(columns=col, inplace=True)

Answer 27

在我的代码中使用了@sushmit 提出的解决方案。

一个可能的变化也可以是

colNullCnt = []
for z in range(len(df1.cols)):
    colNullCnt.append([df1.cols[z], sum(pd.isnull(trainPd[df1.cols[z]]))])

这样做的好处是它从今以后返回 df 中每一列的结果。

Answer 28

import pandas as pd
import numpy as np

# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

# count the NaNs in a column
num_nan_a = df.loc[ (pd.isna(df['a'])) , 'a' ].shape[0]
num_nan_b = df.loc[ (pd.isna(df['b'])) , 'b' ].shape[0]

# summarize the num_nan_b
print(df)
print(' ')
print(f"There are {num_nan_a} NaNs in column a")
print(f"There are {num_nan_b} NaNs in column b")

给出作为输出：

     a    b
0  1.0  NaN
1  2.0  1.0
2  NaN  NaN

There are 1 NaNs in column a
There are 2 NaNs in column b

Answer 29

假设您想在称为评论的数据框中获取称为价格的列（系列）中缺失值的数量（NaN）

#import the dataframe
import pandas as pd

reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)

要获取缺失值，以 n_missing_prices 作为变量，简单地做

n_missing_prices = sum(reviews.price.isnull())
print(n_missing_prices)

sum 是这里的关键方法，在我意识到 sum 是在这种情况下使用的正确方法之前尝试使用 count

Answer 30

我编写了一个简短的函数（Python 3）来生成 .info 作为熊猫数据框，然后可以将其写入 excel：

df1 = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]}) 
def info_as_df (df):
    null_counts = df.isna().sum()
    info_df = pd.DataFrame(list(zip(null_counts.index,null_counts.values))\
                                         , columns = ['Column', 'Nulls_Count'])
    data_types = df.dtypes
    info_df['Dtype'] = data_types.values
    return info_df
print(df1.info())
print(info_as_df(df1))

这使：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   a       2 non-null      float64
 1   b       1 non-null      float64
dtypes: float64(2)
memory usage: 176.0 bytes
None
  Column  Nulls_Count    Dtype
0      a            1  float64
1      b            2  float64

Answer 31

出于完整性考虑的另一种方法是将np.count_nonzero与 .isna() 一起使用：

np.count_nonzero(df.isna())

%timeit np.count_nonzero(df.isna())
512 ms ± 24.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

与使用 1000005 行 × 16 列数据框的最佳答案进行比较：

%timeit df.isna().sum()
492 ms ± 55.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit df.isnull().sum(axis = 0)
478 ms ± 34.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit count_nan = len(df) - df.count()
484 ms ± 47.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

数据：

raw_data = {'first_name': ['Jason', np.nan, 'Tina', 'Jake', 'Amy'], 
        'last_name': ['Miller', np.nan, np.nan, 'Milner', 'Cooze'], 
        'age': [22, np.nan, 23, 24, 25], 
        'sex': ['m', np.nan, 'f', 'm', 'f'], 
        'Test1_Score': [4, np.nan, 0, 0, 0],
        'Test2_Score': [25, np.nan, np.nan, 0, 0]}
results = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'sex', 'Test1_Score', 'Test2_Score'])

# big dataframe for %timeit 
big_df = pd.DataFrame(np.random.randint(0, 100, size=(1000000, 10)), columns=list('ABCDEFGHIJ'))
df = pd.concat([big_df,results]) # 1000005 rows × 16 columns

Answer 32

对于您的任务，您可以使用 pandas.DataFrame.dropna （ https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html ）：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [1, 2, 3, 4, np.nan],
                   'b': [1, 2, np.nan, 4, np.nan],
                   'c': [np.nan, 2, np.nan, 4, np.nan]})
df = df.dropna(axis='columns', thresh=3)

print(df)

通过 thresh 参数，您可以为 DataFrame 中的所有列声明 NaN 值的最大计数。

代码输出：

     a    b
0  1.0  1.0
1  2.0  2.0
2  3.0  NaN
3  4.0  4.0
4  NaN  NaN

Answer 33

一种解决方案是找出空值行并将它们转换为数据帧，然后检查新数据帧的长度。-

nan_rows = df[df['column_name'].isnull()]
print(len(nan_rows))

Answer 34

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.count.html#pandas.Series.count

pandas.Series.count
Series.count(level=None)[source]

返回系列中非 NA/空观测值的数量