Python Pandas找到缺失值的位置方法
更新時(shí)間：2018年04月12日 10:58:30 作者：kevinorg123
下面小編就為大家分享一篇Python Pandas找到缺失值的位置方法，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧
問題描述：
python pandas判斷缺失值一般采用 isnull()，然而生成的卻是所有數(shù)據(jù)的true／false矩陣，對于龐大的數(shù)據(jù)dataframe，很難一眼看出來哪個(gè)數(shù)據(jù)缺失，一共有多少個(gè)缺失數(shù)據(jù)，缺失數(shù)據(jù)的位置。
首先對于存在缺失值的數(shù)據(jù)，如下所示
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
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
df.isnull()會產(chǎn)生如下結(jié)果
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
df.isnull().any()則會判斷哪些”列”存在缺失值
0 False 1 True 2 False 3 True 4 False 5 True dtype: bool
對于該問題，可以采用如下方式解決：
df[df.isnull().values==True]
Out[126]: 0 1 2 3 4 5 1 1.090872 NaN -0.287612 -0.239234 -0.589897 1.849413 2 -1.384721 NaN -0.158293 0.011798 -0.564906 -0.607121 5 -0.477590 -2.696239 0.312837 NaN 0.404196 -0.797050 7 0.369665 -0.268898 -0.344523 -0.094436 0.214753 NaN 8 -0.114483 -0.842322 0.164269 -0.812866 -0.601757 NaN
可以只顯示存在缺失值的行列，清楚的確定缺失值的位置。
以上這篇Python Pandas找到缺失值的位置方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
編寫Python腳本把sqlAlchemy對象轉(zhuǎn)換成dict的教程
這篇文章主要介紹了編寫Python腳本把sqlAlchemy對象轉(zhuǎn)換成dict的教程,主要是基于Python的model類構(gòu)建一個(gè)轉(zhuǎn)換的方法,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了Python基于Tkinter編寫crc校驗(yàn)工具，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-05-05
python2 與python3的print區(qū)別小結(jié)
這篇文章主要介紹了python2 與python3的print區(qū)別小結(jié),需要的朋友可以參考下2018-01-01
Python Excel vlookup函數(shù)實(shí)現(xiàn)過程解析
這篇文章主要介紹了Python Excel vlookup函數(shù)實(shí)現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-06-06
在本文中，我們將學(xué)習(xí)如何使用 Brownie、Python 和 Chainlink 來制作非同質(zhì)化的 NFT 作品，并在 OpenSea NFT 市場上展示和銷售我們的成果。2021-06-06
這篇文章主要介紹了解決python存數(shù)據(jù)庫速度太慢的問題，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
Python-pandas返回重復(fù)數(shù)據(jù)的index問題
這篇文章主要介紹了Python-pandas返回重復(fù)數(shù)據(jù)的index問題,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要為大家詳細(xì)介紹了Python使用turtle模塊繪制愛心圖案，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-09-09
Python字符串編碼轉(zhuǎn)換 encode()和decode()方法詳細(xì)說明
這篇文章主要介紹了Python字符串編碼轉(zhuǎn)換 encode()和decode()方法詳細(xì)的說明，下面文章圍繞encode()和decode()方法的相相關(guān)資料展開內(nèi)容，具有一定的價(jià)值，需要的朋友卡通參考一下2021-12-12
這篇文章主要給大家介紹了關(guān)于Python中正反斜杠（‘/’和‘\’）的意義與使用方法，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08