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 liệuprint[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
03print[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
05print[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
06print[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
07print[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
08print[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
10print[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
020print[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
021print[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
06print[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
023print[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
08Hãy 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 thiếuprint[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
026print[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
027Đầu 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 trúcprint[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
03print[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
05print[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
06print[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
033print[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
034print[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_______1037print[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
038print[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
039print[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
038print[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
041print[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
038print[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
039print[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
038print[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
041print[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
038print[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
047print[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
7 vàprint[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
8print[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
- 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
5 có chứa ít nhất một giá trị bị thiếu khôngprint[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
- Cho
0print[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
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
0nguồn. 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
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
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 thiếuprint[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
8print[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
8nguồn. 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 khôngTheo 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 hàngprint[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
7nguồn. 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 khôngTheo 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 hàngprint[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
9nguồn. 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
7Theo 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
95print[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
3nguồn. 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
7Theo 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
95print[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
5nguồn. 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
9nguồn. 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 địnhDo 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 thiếuprint[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
7nguồn. 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
32print[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
0nguồn. 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
1nguồn. 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
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
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 khôngNếu 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 thiếuprint[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
2nguồn. 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
3nguồn. 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
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