如何检查Pandas DataFrame中的任何值是否为NaN

Question

在Python Pandas中,检查DataFrame是否具有一个(或多个)NaN值的最佳方法是什么？

我知道函数pd.isnan,但是这会为每个元素返回一个布尔数据框架.这篇文章也没有完全回答我的问题.

Answer 1

jwilner的反应很明显.我正在探索是否有更快的选择,因为根据我的经验,求平面阵列(奇怪地)比计数更快.这段代码似乎更快:

df.isnull().values.any()

例如:

In [2]: df = pd.DataFrame(np.random.randn(1000,1000))

In [3]: df[df > 0.9] = pd.np.nan

In [4]: %timeit df.isnull().any().any()
100 loops, best of 3: 14.7 ms per loop

In [5]: %timeit df.isnull().values.sum()
100 loops, best of 3: 2.15 ms per loop

In [6]: %timeit df.isnull().sum().sum()
100 loops, best of 3: 18 ms per loop

In [7]: %timeit df.isnull().values.any()
1000 loops, best of 3: 948 µs per loop

df.isnull().sum().sum()有点慢,但当然,有额外的信息 - 数量NaNs.

Answer 2

你有几个选择.

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,6))
# Make a few areas have NaN values
df.iloc[1:3,1] = np.nan
df.iloc[5,3] = np.nan
df.iloc[7:9,5] = np.nan

现在数据框看起来像这样:

          0         1         2         3         4         5
0  0.520113  0.884000  1.260966 -0.236597  0.312972 -0.196281
1 -0.837552       NaN  0.143017  0.862355  0.346550  0.842952
2 -0.452595       NaN -0.420790  0.456215  1.203459  0.527425
3  0.317503 -0.917042  1.780938 -1.584102  0.432745  0.389797
4 -0.722852  1.704820 -0.113821 -1.466458  0.083002  0.011722
5 -0.622851 -0.251935 -1.498837       NaN  1.098323  0.273814
6  0.329585  0.075312 -0.690209 -3.807924  0.489317 -0.841368
7 -1.123433 -1.187496  1.868894 -2.046456 -0.949718       NaN
8  1.133880 -0.110447  0.050385 -1.158387  0.188222       NaN
9 -0.513741  1.196259  0.704537  0.982395 -0.585040 -1.693810

• 选项1:df.isnull().any().any()- 返回一个布尔值

你知道isnull()哪个会返回一个像这样的数据帧:

       0      1      2      3      4      5
0  False  False  False  False  False  False
1  False   True  False  False  False  False
2  False   True  False  False  False  False
3  False  False  False  False  False  False
4  False  False  False  False  False  False
5  False  False  False   True  False  False
6  False  False  False  False  False  False
7  False  False  False  False  False   True
8  False  False  False  False  False   True
9  False  False  False  False  False  False

如果你做了df.isnull().any(),你只能找到有NaN值的列:

0    False
1     True
2    False
3     True
4    False
5     True
dtype: bool

还有一个.any()会告诉你是否有上述任何一个True

> df.isnull().any().any()
True

• 选项2:df.isnull().sum().sum()- 返回NaN值总数的整数:

这与下面的操作方式相同.any().any(),首先给出NaN一列中值的总和,然后是这些值的总和:

df.isnull().sum()
0    0
1    2
2    0
3    1
4    0
5    2
dtype: int64

最后,要获取DataFrame中NaN值的总数:

df.isnull().sum().sum()
5

Answer 3

要找出特定列中哪些行具有NaN:

nan_rows = df[df['name column'].isnull()]

Answer 4

如果你需要知道"一个或多个NaNs" 有多少行:

df.isnull().T.any().T.sum()

或者,如果您需要提取这些行并检查它们:

nan_rows = df[df.isnull().T.any().T]

Answer 5

df.isnull().any().any() 应该这样做.

Answer 6

添加到Hobs的精彩回答,我对Python和Pandas都很陌生,所以请指出我是不是错了.

要找出哪些行具有NaN:

nan_rows = df[df.isnull().any(1)]

通过将any()的轴指定为1来检查行中是否存在"True",将执行相同的操作而无需转置.

Answer 7

让df是 Pandas DataFrame 的名称和任何numpy.nan为空值的值。

1. 如果您想查看哪些列有空值，哪些没有（只是 True 和 False）

   df.isnull().any()
   

2. 如果您只想查看具有空值的列

   df.loc[:, df.isnull().any()].columns
   

3. 如果您想查看每列中的空值计数

   df.isna().sum()
   

4. 如果您想查看每列中空值的百分比

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

5. 如果您只想查看包含空值的列中空值的百分比：

df.loc[:,list(df.loc[:,df.isnull().any()].columns)].isnull().sum()/(len(df))*100

编辑 1：

如果您想直观地查看数据丢失的位置：

import missingno
missingdata_df = df.columns[df.isnull().any()].tolist()
missingno.matrix(df[missingdata_df])

Answer 8

由于没有提到,只有另一个变量叫做hasnans.

df[i].hasnansTrue如果pandas系列中的一个或多个值是NaN,False则输出到,如果不是.请注意,它不是一个功能.

熊猫版'0.19.2'和'0.20.2'

Answer 9

由于pandas必须找到它DataFrame.dropna(),我看了看他们是如何实现它并发现他们使用了DataFrame.count(),它计算了所有非空值DataFrame.参看 熊猫源代码.我没有对这种技术进行基准测试,但我认为图书馆的作者可能已经做了明智的选择.

Answer 10

超级简单语法： df.isna().any(axis=None)

从v0.23.2开始，可以使用DataFrame.isna+ DataFrame.any(axis=None)其中axis=None指定整个DataFrame的逻辑归约。

# Setup
df = pd.DataFrame({'A': [1, 2, np.nan], 'B' : [np.nan, 4, 5]})
df
     A    B
0  1.0  NaN
1  2.0  4.0
2  NaN  5.0

df.isna()

       A      B
0  False   True
1  False  False
2   True  False

df.isna().any(axis=None)
# True

有用的选择

numpy.isnan
如果您正在运行旧版本的熊猫，则是另一个性能选择。

np.isnan(df.values)

array([[False,  True],
       [False, False],
       [ True, False]])

np.isnan(df.values).any()
# True

或者，检查总和：

np.isnan(df.values).sum()
# 2

np.isnan(df.values).sum() > 0
# True

Series.hasnans
您也可以迭代调用Series.hasnans。例如，要检查单个列是否具有NaN，

df['A'].hasnans
# True

并检查任何列有NaN的，你可以使用与理解any（这是一个短路操作）。

any(df[c].hasnans for c in df)
# True

这实际上非常快。

Answer 11

尝试以下操作

df.isnull().sum()

或者

df.isna().values.any()

Answer 12

df.isnull().sum()

这将为您提供 DataFrame 的各个颜色中存在的所有 NaN 值的计数。

Answer 13

仅使用 math.isnan（x），如果x是一个NaN（不是数字），则返回True，否则返回False。

Answer 14

我一直在使用以下内容并将其转换为字符串并检查 nan 值

   (str(df.at[index, 'column']) == 'nan')

这允许我检查系列中的特定值，而不是仅返回是否包含在系列中的某处。