Pandas库学习之DataFrame.isnull()函数
Pandas库学习之DataFrame.isnull()函数
一、简介
DataFrame.isnull()是Pandas库中用于检测DataFrame对象中的缺失值的一个函数。它返回一个布尔型的DataFrame，其中，原DataFrame中的缺失值位置会被标记为True，非缺失值位置会被标记为False。
二、语法和参数
DataFrame.isnull()
此函数不接受任何参数。
三、实例
3.1 判断DataFrame中的缺失值
import pandas as pd
import numpy as np
# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({
'A': [1, 2, np.nan],
'B': [4, np.nan, 6],
'C': [7, 8, 9]
})
# 使用isnull()函数检测缺失值
missing_values = df.isnull()
print(missing_values)
输出：
A B C
0 False False False
1 False True False
2 True False False
3.2 计算每列缺失值的总数
# 计算每列的缺失值总数
missing_counts = df.isnull().sum()
print(missing_counts)
输出：
A 1
B 1
C 0
dtype: int64
四、注意事项
- isnull()函数仅检测缺失值（
NaN），不会将其他特定值（如无穷大）视为缺失。 - 当使用isnull()函数处理大型数据集时，它可能会消耗较多内存，因为它会返回与原始DataFrame大小相同的布尔型DataFrame。
- 在进行数据清洗或预处理时，经常需要先使用isnull()检测缺失值，然后根据业务需求进行相应的处理，例如删除或填充缺失值。
原文地址：https://blog.csdn.net/qq_46396470/article/details/140531182
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！