programming python

ISNA () tổng () trong Python là gì?

Phương pháp này được sử dụng để phát hiện các giá trị bị thiếu cho một đối tượng giống như mảng. Hàm này lấy một đối tượng dạng vô hướng hoặc dạng mảng và cho biết liệu các giá trị có bị thiếu [“NaN“ trong mảng số, “None“ hoặc “NaN“ trong mảng đối tượng, “NaT“ trong dạng dữ liệu thời gian]

Python là một ngôn ngữ tuyệt vời để thực hiện phân tích dữ liệu, chủ yếu là do hệ sinh thái tuyệt vời của các gói python tập trung vào dữ liệu. Pandas là một trong những gói đó và giúp việc nhập và phân tích dữ liệu dễ dàng hơn nhiều

Chức năng Pandas

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
01 được sử dụng để phát hiện các giá trị bị thiếu. Nó trả về một đối tượng có cùng kích thước boolean cho biết liệu các giá trị có phải là NA hay không. Các giá trị NA, chẳng hạn như Không có hoặc numpy. NaN, được ánh xạ tới giá trị True. Mọi thứ khác được ánh xạ tới các giá trị Sai. Các ký tự như chuỗi rỗng ” hoặc numpy. inf không được coi là giá trị NA [trừ khi bạn đặt pandas. tùy chọn. cách thức. use_inf_as_na = Đúng]

cú pháp. Khung dữ liệu. isna[]

trả lại. Mặt nạ của các giá trị bool cho từng phần tử trong DataFrame cho biết phần tử đó có phải là giá trị NA hay không

Để biết liên kết đến tệp CSV được sử dụng trong ví dụ, hãy nhấp vào đây

Ví dụ 1. Sử dụng hàm 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
02 để phát hiện các giá trị còn thiếu trong khung dữ liệu




print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
03

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
04 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
05

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
06

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
07

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
08
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
09 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
10
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
020
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
021

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
06

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
023

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
08

Hãy sử dụng hàm 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
02 để phát hiện các giá trị còn thiếu




print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
026

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
027

Đầu ra.


Ở đầu ra, các ô tương ứng với các giá trị bị thiếu chứa giá trị đúng, ngược lại là sai.
 
Ví dụ #2. Sử dụng hàm 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
02 để phát hiện các giá trị còn thiếu trong đối tượng chuỗi gấu trúc




print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
03

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
04 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
05

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
06

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
033

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
034
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
09 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
036_______1037
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
038
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
039
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
038
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
041
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
038
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
039
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
038
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
041
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
038
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
047
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
048

Bài viết này mô tả cách kiểm tra xem 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
6 có chứa các giá trị bị thiếu hay không và đếm số lượng giá trị bị thiếu và không bị thiếu

  • Phát hiện các giá trị còn thiếu với 
    print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
    7 và 
    print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
    8
  • Kiểm tra xem tất cả các phần tử trong một hàng và cột có bị thiếu giá trị không
  • Kiểm tra xem một hàng và cột có chứa ít nhất một giá trị bị thiếu không
  • Đếm các giá trị còn thiếu trong mỗi hàng và cột
  • Đếm các giá trị không thiếu trong mỗi hàng và cột
  • Đếm tổng số giá trị còn thiếu
  • Đếm tổng số giá trị không thiếu
  • Kiểm tra xem 
    print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
    5 có chứa ít nhất một giá trị bị thiếu không
  • Cho 
    print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
    0

Xem các bài viết sau về cách xóa và thay thế các giá trị bị thiếu

  • gấu trúc. Xóa các giá trị bị thiếu [NaN] bằng dropna[]
  • gấu trúc. Thay thế các giá trị bị thiếu [NaN] bằng fillna[]

Xem các bài viết sau về cách đếm các phần tử đáp ứng các điều kiện nhất định, không chỉ 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
1

  • gấu trúc. Đếm các phần tử DataFrame/Series phù hợp với các điều kiện

Lưu ý rằng không chỉ 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
1 [Không phải là số] mà cả 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
3 cũng được coi là giá trị bị thiếu trong pandas

  • Thiếu giá trị trong gấu trúc [nan, Không có, pd. không có]

Ví dụ: đọc tệp CSV có giá trị bị thiếu với 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
4. Chỉ sử dụng ba hàng đầu tiên

  • sample_pandas_normal_nan. csv

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
0

nguồn. pandas_nan_judge_count. py

Liên kết được tài trợ

Phát hiện các giá trị còn thiếu với 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
6 có các phương thức 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8. Ví dụ về 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
0 được hiển thị ở cuối. Lưu ý rằng phương pháp 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
82 không được cung cấp

  • gấu trúc. Khung dữ liệu. isnull — gấu trúc 1. 4. 0 tài liệu
  • gấu trúc. Khung dữ liệu. isna — gấu trúc 1. 4. 0 tài liệu

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 cho các giá trị bị thiếu, 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
84 cho các giá trị không bị thiếu

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

nguồn. pandas_nan_judge_count. py

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7 là bí danh của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8, có cách sử dụng giống nhau. 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7 chủ yếu được sử dụng trong bài viết này, nhưng bạn có thể thay thế nó bằng 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
89 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
70 cũng được cung cấp, trả về 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 nếu giá trị không bị thiếu và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
84 nếu giá trị bị thiếu. 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
89 là bí danh của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
70

  • gấu trúc. Khung dữ liệu. notnull — gấu trúc 1. 4. 0 tài liệu
  • gấu trúc. Khung dữ liệu. notna — gấu trúc 1. 4. 0 tài liệu

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

nguồn. pandas_nan_judge_count. py

Lưu ý rằng 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
1 luôn trả về 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
84 cho 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
77 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 cho 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
79

  • nan [không phải số] trong Python

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8

nguồn. pandas_nan_judge_count. py

Kiểm tra xem tất cả các phần tử trong một hàng và cột có bị thiếu giá trị không

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
90 trả về 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 nếu tất cả các phần tử trong mỗi hàng và cột là 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83

  • gấu trúc. Khung dữ liệu. tất cả — gấu trúc 1. 4. 0 tài liệu

Bằng cách gọi 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
90 từ kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7, bạn có thể kiểm tra xem tất cả các phần tử trong mỗi hàng và cột có bị thiếu giá trị hay không

Theo mặc định, nó được áp dụng cho các cột. Nếu đối số 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
95, nó được áp dụng cho các hàng

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7

nguồn. pandas_nan_judge_count. py

Kiểm tra xem một hàng và cột có chứa ít nhất một giá trị bị thiếu không

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
96 trả về 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 nếu có ít nhất một 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83 trong mỗi hàng và cột

  • gấu trúc. Khung dữ liệu. bất kỳ — gấu trúc 1. 4. 0 tài liệu

Bằng cách gọi 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
96 từ kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7, bạn có thể kiểm tra xem mỗi hàng và cột có chứa ít nhất một giá trị bị thiếu hay không

Theo mặc định, nó được áp dụng cho các cột. Nếu đối số 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
95, nó được áp dụng cho các hàng

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
9

nguồn. pandas_nan_judge_count. py

Đếm các giá trị còn thiếu trong mỗi hàng và cột

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 tính tổng các phần tử cho mỗi hàng và cột

  • gấu trúc. Khung dữ liệu. tổng — gấu trúc 1. 4. 0 tài liệu

Vì 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 được tính là 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
34 và 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
35, nên bạn có thể đếm số lượng giá trị bị thiếu trong mỗi hàng và cột bằng cách gọi 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 từ kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7

Theo mặc định, bạn có thể đếm các giá trị bị thiếu trong mỗi cột và trong mỗi hàng có 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
95

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
3

nguồn. pandas_nan_judge_count. py

Đếm các giá trị không thiếu trong mỗi hàng và cột

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
39 đếm số lượng giá trị không thiếu [= giá trị hiện có] trong mỗi hàng và cột

  • gấu trúc. Khung dữ liệu. đếm — gấu trúc 1. 4. 0 tài liệu

Gọi nó trực tiếp từ 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 ban đầu, không phải từ kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7

Theo mặc định, bạn có thể đếm các giá trị không bị thiếu trong mỗi cột và trong mỗi hàng có 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
95

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
5

nguồn. pandas_nan_judge_count. py

Liên kết được tài trợ

Đếm tổng số giá trị còn thiếu

Bạn có thể lấy toàn bộ dữ liệu dưới dạng mảng NumPy 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
53 với thuộc tính 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
54 của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5

  • Chuyển đổi gấu trúc. DataFrame, Sê-ri và numpy. nói chuyện với nhau

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
9

nguồn. pandas_nan_judge_count. py

Không giống như 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5, 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 của 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
53 tính tổng của tất cả các phần tử theo mặc định

Do đó, bằng cách gọi 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 từ thuộc tính 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
54 [
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
53] của kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7, bạn có thể nhận được tổng số giá trị còn thiếu

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
7

nguồn. pandas_nan_judge_count. py

Đếm tổng số giá trị không thiếu

Bạn có thể lấy tổng số phần tử không thiếu bằng cách tính tổng số lượng của từng hàng và cột thu được của 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
39 với 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
0

nguồn. pandas_nan_judge_count. py

Bạn cũng có thể gọi 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
32 từ thuộc tính 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
54 [
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
53] của kết quả của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
89 hoặc 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
70 [trong đó phần tử không thiếu là 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
83]

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
1

nguồn. pandas_nan_judge_count. py

Kiểm tra xem 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 có chứa ít nhất một giá trị bị thiếu không

Sử dụng tổng số giá trị bị thiếu được hiển thị ở trên, bạn có thể kiểm tra xem 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 có chứa ít nhất một giá trị bị thiếu hay không

Nếu tổng số giá trị bị thiếu khác không, điều đó có nghĩa là 

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5 chứa ít nhất một giá trị bị thiếu

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
2

nguồn. pandas_nan_judge_count. py

Nếu tổng số giá trị bị thiếu bằng thuộc tính 

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
74 [số lượng của tất cả các phần tử], điều đó có nghĩa là tất cả các phần tử đều bị thiếu giá trị

  • gấu trúc. Lấy số hàng, số cột, tất cả các thành phần [kích thước] của DataFrame

print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
3

nguồn. pandas_nan_judge_count. py

Cho 
print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
0

print[df.notnull[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False

print[df.notna[]]
#     name    age  state  point  other
# 0   True   True   True  False  False
# 1  False  False  False  False  False
# 2   True  False   True  False  False
0 cũng có các phương thức như 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
7, 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
8, 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
89 và 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
70. Nó có thể được xử lý theo cách tương tự như các ví dụ trên của 
print[df.isnull[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True

print[df.isna[]]
#     name    age  state  point  other
# 0  False  False  False   True   True
# 1   True   True   True   True   True
# 2  False   True  False   True   True
5

ISNA [] trong Python là gì?

Phương thức isna[] trả về một đối tượng DataFrame trong đó tất cả các giá trị được thay thế bằng một giá trị Boolean Đúng cho các giá trị NA [không phải là số] và nếu không thì Sai.

Dữ liệu Isnull[] sum[] trong Python là gì?

Khung dữ liệu chức năng. isnull[]. Tổng[]. sum[] trả về số giá trị còn thiếu trong tập dữ liệu .

ISNA và Isnull có giống nhau không?

Cả hai chức năng đều thực hiện giống nhau . isnull[] chỉ là bí danh của isna[]. isna. [] và isnull[] đều trả về DataFrame và được sử dụng để phát hiện các giá trị bị thiếu.

Tổng DF[] là gì?

Hàm sum[] được dùng để trả về tổng các giá trị cho trục mà người dùng yêu cầu . Nếu giá trị đầu vào là một trục chỉ mục, thì nó sẽ thêm tất cả các giá trị trong một cột và hoạt động giống nhau cho tất cả các cột. Nó trả về một chuỗi chứa tổng của tất cả các giá trị trong mỗi cột.

Bài Viết Liên Quan

Trăn pdm
Top MLB prospects 2023 fantasy
Cách tạo tệp html trong thư mục
Khung trăn xung quanh chuỗi
Python yaml thêm phần tử
Cách thay thế ký tự đặc biệt trong python
Php lặp qua các tệp trong thư mục
1 mm thủy ngân bằng bao nhiêu Pa?
Lịch thi đấu WWE Raw 2023
Lớp cha và lớp con trong PHP là gì?
Trang nhất trong wordpress
Phân chia trong HTML là gì?
Giải mã json làm gì trong php?
Xổ số H1B thứ hai 2023 Tin tức mới nhất
Excel ngang sang dọc
Biztalk có chạy được trên linux
Bạn có thể bật một phần tử cụ thể từ mảng trong JavaScript không?
Cách sử dụng rùa trong python
Python sao chép một phần của danh sách
Làm thế nào để bạn tìm thấy phân phối bình thường tích lũy trong python?

Toplist mới

#1
Top 7 tết mậu thân năm 1968 đã diễn ra sự kiện gì ở miền nam nước ta 2023
7 tháng trước
#2
Top 13 luyện từ và câu: dấu gạch ngang lớp 4 trang 45 2023
7 tháng trước
#3
Top 6 trong mặt phẳng oxy ảnh của đường thẳng d 3x y 4=0 2023
7 tháng trước
#4
Top 6 thử thách thần chết thuyết minh phần 2 2023
7 tháng trước
#5
Top 4 vở bài tập tiếng việt lớp 3 tập 2 chính tả trang 15 2023
7 tháng trước
#6
Top 5 áo khoác nam quảng châu cao cấp 2023
7 tháng trước
#7
Top 4 nội dung nào sau đây không phải là trách nhiệm của đơn vị đầu mối cung cấp thông tin 2023
7 tháng trước
#8
Top 9 mẫu đồng phục công sở đẹp 2022 2023
7 tháng trước
#9
Top 5 ốp lưng iphone 13 pro bảo vệ camera 2023
7 tháng trước

Bài mới nhất

Bài giảng toán lớp 3 giảm đi một số lần năm 2024
Bài tập cỗng đại số vs phương pháp thế năm 2024
Top 5 nữ siêu anh hunh phế nhất marvel năm 2024
Kế hoạch hóa gia đình cu to như quít năm 2024
Bài văn thuyết minh về món sườn xào chua ngọt năm 2024
Bài tập luyện ngữ âm tiếng anh tiểu học năm 2024
Top thực phẩm giúp phát triển chiều cao năm 2024
Lỗi phiên chơi không hợp lệ minecraft trong server properties năm 2024
Độ tuổi phá thai trung bình ở việt nam năm 2024
Lỗi không kết nối tới hipervisor on gns3 năm 2024

Chủ Đề

programming Hỏi Đáp Là gì Mẹo Hay Toplist Địa Điểm Hay Học Tốt mẹo hay Công Nghệ Nghĩa của từ Bao nhiêu Khỏe Đẹp đánh giá Tiếng anh Top List bao nhieu bao nhiêu hướng dẫn Món Ngon Bài tập So Sánh So sánh Xây Đựng Sản phẩm tốt Ngôn ngữ Bài Tập javascript Thế nào Ở đâu Hướng dẫn Dịch Tại sao Máy tính Đại học