python pandas判断缺失值一般采用 isnull()，然而生成的却是所有数据的true／false矩阵，对于庞大的数据dataframe，很难一眼看出来哪个数据缺失，一共有多少个缺失数据，缺失数据的位置。
首先对于存在缺失值的数据，如下所示
|
1 2 3 4 5 |
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 |
|
1 2 3 4 5 6 7 8 9 10 11 |
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()会产生如下结果
|
1 2 3 4 5 6 7 8 9 10 11 |
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()则会判断哪些”列”存在缺失值
|
1 2 3 4 5 6 7 |
0 False 1 True 2 False 3 True 4 False 5 True dtype: bool |
对于该问题，可以采用如下方式解决：
|
1 |
df[df.isnull().values==True] |
|
1 2 3 4 5 6 7 |
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 |
可以只显示存在缺失值的行列，清楚的确定缺失值的位置。