Python查询缺失值的4种方法总结

在我们日常接触到的Python中，狭义的缺失值一般指DataFrame中的NaN。广义的话，可以分为三种。

• 缺失值：在Pandas中的缺失值有三种：np.nan (Not a Number) 、 None 和 pd.NaT(时间格式的空值，注意大小写不能错)
• 空值：空值在Pandas中指的是空字符串""；
• 最后一类是导入的Excel等文件中，原本用于表示缺失值的字符“-”、“？”等。

今天聊聊Python中查询缺失值的4种方法。

缺失值 NaN ①

在Pandas中查询缺失值，最常用的⽅法就是isnull()，返回True表示此处为缺失值。

我们可以将其与any()⽅法搭配使用来查询存在缺失值的行，也可以与sum()⽅法搭配使用来查询存在缺失值的列。

• isnull()：对于缺失值，返回True；对于⾮缺失值，返回False。
• any()：⼀个序列中有⼀个True，则返回True，否则返回False。
• sum()：对序列进行求和计算。

在交互式环境中输入如下命令：

df.isnull()

输出：

在交互式环境中输入如下命令：

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

输出：

在交互式环境中输入如下命令：

df.isnull().sum()

输出：

注：isna()和isnull()的用法是相同的，这里不再演示

缺失值 NaN ②

由于在Pandas中isnull()方法返回True表示此处为缺失值，所以我们可以对数据集进行切片也可实现找到缺失值。

在交互式环境中输入如下命令：

df[df.isnull().values==True]

输出：

注意：如果某行有多个值是空值，则会重复次数出现，所以我们可以利用df[df.isnull().values==True].drop_duplicates()来去重。

另外，notnull()方法是与isnull()相对应的，使用它可以直接查询非缺失值的数据行。

df[df["A列"].notnull()]

输出：

空值

空值在Pandas中指的是空字符串""，我们同样可以对数据集进行切片找到空值。

在交互式环境中输入如下命令：

df[df["B列"] == ""]

输出：

此外，也可以利用空值与正常值的区别来区分两者，比如isnumeric()方法检测字符串是否只由数字组成。

在交互式环境中输入如下命令：

df[df["B列"].str.isnumeric() == False ]

输出：

如上所示，同样查询到了数据集中的空值。

字符“-”、“？”等

很多时候，我们要处理的是本地的历史数据文件，在这些Excel中往往并不规范，比如它们有可能会使用“*”、“？”、“—”、“！”等等字符来表示缺失值。

对于这类文本，我们可以使用正则表达式来匹配缺失值。

import re
df[df["C列"].apply(lambda x: len(re.findall('NA|[*|?|!|#|-]', x)) != 0)]

输出：

如上所示，我自定义了匿名函数lambda，作用是在文本列的每一行中查找以下文本值：“NA”、“*”、“？” 、“！” 、“#”、“-”，并检查它找到的列表的长度。如果列表不为零，则表示找到了代表缺失值的字符，因此该行中至少有一个缺失值。

df[df["D列"].apply(lambda x: len(re.findall('NA|[*|?|!|#|-]', x)) != 0)]

输出：

我们可以对不同列都进行同样的缺失值查询，另外也可以根据自己的实际情况，替换正则表达式中代表缺失值的字符。

到此这篇关于Python查询缺失值的4种方法总结的文章就介绍到这了,更多相关Python查询缺失值内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论