У меня есть данные, в которых я хочу найти число NaN, так что, если оно меньше некоторого порога, я отброшу эти столбцы. Я посмотрел, но не смог найти никакой функции для этого. есть value_counts, но он будет медленным для меня, потому что большинство значений различны, и я хочу только количество NaN.
Как посчитать значения NaN в столбце в панде DataFrame
Ответ 1
Вы можете использовать isna() метод (или его псевдоним isnull(), который также совместим с более старыми версиями панд <0.21.0), а затем сумму рассчитывать значения NaN. Для одного столбца:
In [1]: s = pd.Series([1,2,3, np.nan, np.nan])
In [4]: s.isna().sum() # or s.isnull().sum() for older pandas versions
Out[4]: 2
Для нескольких столбцов это также работает:
In [5]: df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
In [6]: df.isna().sum()
Out[6]:
a 1
b 2
dtype: int64
Ответ 2
Вы могли бы вычесть общую длину из count значений non-nan:
count_nan = len(df) - df.count()
Вы должны направить его на свои данные. Для небольших серий получил 3-кратное ускорение по сравнению с решением isnull.
Ответ 3
Предположим, что df - это DataFrame для панд.
Тогда
df.isnull().sum(axis = 0)
Это даст количество значений NaN в каждом столбце.
Если вам нужно, значения NaN в каждой строке,
df.isnull().sum(axis = 1)
Ответ 4
dataset.isnull().sum()
это будет работать!
Ответ 5
Основываясь на ответе с наибольшим количеством голосов, мы можем легко определить функцию, которая дает нам информационный кадр для предварительного просмотра пропущенных значений и% пропущенных значений в каждом столбце:
def missing_values_table(df):
mis_val = df.isnull().sum()
mis_val_percent = 100 * df.isnull().sum() / len(df)
mis_val_table = pd.concat([mis_val, mis_val_percent], axis=1)
mis_val_table_ren_columns = mis_val_table.rename(
columns = {0 : 'Missing Values', 1 : '% of Total Values'})
mis_val_table_ren_columns = mis_val_table_ren_columns[
mis_val_table_ren_columns.iloc[:,1] != 0].sort_values(
'% of Total Values', ascending=False).round(1)
print ("Your selected dataframe has " + str(df.shape[1]) + " columns.\n"
"There are " + str(mis_val_table_ren_columns.shape[0]) +
" columns that have missing values.")
return mis_val_table_ren_columns
Ответ 6
Так как pandas 0.14.1 мое предложение здесь, чтобы иметь аргумент ключевого слова в методе value_counts, был реализован:
import pandas as pd
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
for col in df:
print df[col].value_counts(dropna=False)
2 1
1 1
NaN 1
dtype: int64
NaN 2
1 1
dtype: int64
Ответ 7
если просто подсчитать значения nan в столбце pandas, это быстрый способ
import pandas as pd
## df1 as an example data frame
## col1 name of column for which you want to calculate the nan values
sum(pd.isnull(df1['col1']))
Ответ 8
если вы используете Jupyter Notebook, How about....
%%timeit
df.isnull().any().any()
или
%timeit
df.isnull().values.sum()
или, есть ли где-нибудь NaN в данных, если да, где?
df.isnull().any()
Ответ 9
Вы можете использовать метод value_counts и печатать значения np.nan
s.value_counts(dropna = False)[np.nan]
Ответ 10
import numpy as np
import pandas as pd
raw_data = {'first_name': ['Jason', np.nan, 'Tina', 'Jake', 'Amy'],
'last_name': ['Miller', np.nan, np.nan, 'Milner', 'Cooze'],
'age': [22, np.nan, 23, 24, 25],
'sex': ['m', np.nan, 'f', 'm', 'f'],
'Test1_Score': [4, np.nan, 0, 0, 0],
'Test2_Score': [25, np.nan, np.nan, 0, 0]}
results = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'sex', 'Test1_Score', 'Test2_Score'])
results
'''
first_name last_name age sex Test1_Score Test2_Score
0 Jason Miller 22.0 m 4.0 25.0
1 NaN NaN NaN NaN NaN NaN
2 Tina NaN 23.0 f 0.0 NaN
3 Jake Milner 24.0 m 0.0 0.0
4 Amy Cooze 25.0 f 0.0 0.0
'''
Вы можете использовать следующую функцию, которая даст вам вывод в Dataframe
- Нулевые значения
- Недостающие ценности
- % от общей стоимости
- Всего нулевых пропущенных значений
- % Нулевых пропущенных значений
- Тип данных
Просто скопируйте и вставьте следующую функцию и вызовите ее, передав свой панду Dataframe
def missing_zero_values_table(df):
zero_val = (df == 0.00).astype(int).sum(axis=0)
mis_val = df.isnull().sum()
mis_val_percent = 100 * df.isnull().sum() / len(df)
mz_table = pd.concat([zero_val, mis_val, mis_val_percent], axis=1)
mz_table = mz_table.rename(
columns = {0 : 'Zero Values', 1 : 'Missing Values', 2 : '% of Total Values'})
mz_table['Total Zero Missing Values'] = mz_table['Zero Values'] + mz_table['Missing Values']
mz_table['% Total Zero Missing Values'] = 100 * mz_table['Total Zero Missing Values'] / len(df)
mz_table['Data Type'] = df.dtypes
mz_table = mz_table[
mz_table.iloc[:,1] != 0].sort_values(
'% of Total Values', ascending=False).round(1)
print ("Your selected dataframe has " + str(df.shape[1]) + " columns and " + str(df.shape[0]) + " Rows.\n"
"There are " + str(mz_table.shape[0]) +
" columns that have missing values.")
# mz_table.to_excel('D:/sampledata/missing_and_zero_values.xlsx', freeze_panes=(1,0), index = False)
return mz_table
missing_zero_values_table(results)
Выход
Your selected dataframe has 6 columns and 5 Rows.
There are 6 columns that have missing values.
Zero Values Missing Values % of Total Values Total Zero Missing Values % Total Zero Missing Values Data Type
last_name 0 2 40.0 2 40.0 object
Test2_Score 2 2 40.0 4 80.0 float64
first_name 0 1 20.0 1 20.0 object
age 0 1 20.0 1 20.0 float64
sex 0 1 20.0 1 20.0 object
Test1_Score 3 1 20.0 4 80.0 float64
Если вы хотите сохранить простоту, вы можете использовать следующую функцию, чтобы получить пропущенные значения в%
def missing(dff):
print (round((dff.isnull().sum() * 100/ len(dff)),2).sort_values(ascending=False))
missing(results)
'''
Test2_Score 40.0
last_name 40.0
Test1_Score 20.0
sex 20.0
age 20.0
first_name 20.0
dtype: float64
'''
Ответ 11
Чтобы посчитать нули:
df[df == 0].count(axis=0)
Для подсчета NaN:
df.isnull().sum()
или
df.isna().sum()
Ответ 12
df1.isnull().sum()
Это сделает свое дело.
Ответ 13
Вот код для подсчета столбцов Null значений:
df.isna().sum()
Ответ 14
В июле 2017 года есть хорошая статья о Dzone, в которой подробно описываются различные способы суммирования значений NaN. Проверьте это здесь.
Статья, которую я привел, предоставляет дополнительную ценность: (1) показывает способ подсчета и отображения количества NaN для каждого столбца, чтобы можно было легко решить, следует ли отбрасывать эти столбцы, и (2) продемонстрировать способ выбора этих строк в конкретные, которые имеют NaN, так что они могут быть выборочно отброшены или вменены.
Вот краткий пример, демонстрирующий полезность этого подхода - всего лишь с несколькими столбцами, возможно, его полезность неочевидна, но я обнаружил, что он полезен для больших фреймов данных.
import pandas as pd
import numpy as np
# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
# Check whether there are null values in columns
null_columns = df.columns[df.isnull().any()]
print(df[null_columns].isnull().sum())
# One can follow along further per the cited article
Ответ 15
Еще один простой вариант, который еще не предложен - просто подсчитать NaN, - это добавить в форму, чтобы вернуть количество строк с NaN.
df[df['col_name'].isnull()]['col_name'].shape
Ответ 16
df.isnull(). сумма() даст по столбцам сумму пропущенных значений.
Если вы хотите узнать сумму пропущенных значений в определенном столбце, тогда будет работать следующий код df.column.isnull(). сумма()
Ответ 17
на основе ответа, который был дан, и некоторые улучшения - это мой подход
def PercentageMissin(Dataset):
"""this function will return the percentage of missing values in a dataset """
if isinstance(Dataset,pd.DataFrame):
adict={} #a dictionary conatin keys columns names and values percentage of missin value in the columns
for col in Dataset.columns:
adict[col]=(np.count_nonzero(Dataset[col].isnull())*100)/len(Dataset[col])
return pd.DataFrame(adict,index=['% of missing'],columns=adict.keys())
else:
raise TypeError("can only be used with panda dataframe")
Ответ 18
В случае, если вам нужно получить количество не-NA (не None) и NA (None) в разных группах, извлеченных группой:
gdf = df.groupby(['ColumnToGroupBy'])
def countna(x):
return (x.isna()).sum()
gdf.agg(['count', countna, 'size'])
Это возвращает количество не-NA, NA и общее количество записей на группу.
Ответ 19
Использовал решение, предложенное @sushmit в моем коде.
Возможное изменение того же самого также может быть
colNullCnt = []
for z in range(len(df1.cols)):
colNullCnt.append([df1.cols[z], sum(pd.isnull(trainPd[df1.cols[z]]))])
Преимущество этого состоит в том, что он возвращает результат для каждого из столбцов в df впредь.
Ответ 20
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.count.html#pandas.Series.count
pandas.Series.count Series.count(level = None) [источник] Возвращает количество наблюдений, не относящихся к NA/ноль, в серии
Ответ 21
import pandas as pd
import numpy as np
# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
# count the NaNs in a column
num_nan_a = df.loc[ (pd.isna(df['a'])) , 'a' ].shape[0]
num_nan_b = df.loc[ (pd.isna(df['b'])) , 'b' ].shape[0]
# summarize the num_nan_b
print(df)
print(' ')
print(f"There are {num_nan_a} NaNs in column a")
print(f"There are {num_nan_b} NaNs in column b")
Дает в качестве вывода:
a b
0 1.0 NaN
1 2.0 1.0
2 NaN NaN
There are 1 NaNs in column a
There are 2 NaNs in column b
Ответ 22
Есть ли способ сортировки значений по нан вместо столбцов
Ответ 23
В июле 2017 года есть хорошая статья о Dzone, в которой подробно описываются различные способы суммирования значений NaN. Проверьте это здесь.
Ответ 24
Предположим, вы хотите получить количество пропущенных значений (NaN) в столбце (серии), известном как цена, в кадре данных, называемом обзорами.
#import the dataframe
import pandas as pd
reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)
Чтобы получить пропущенные значения с переменной n_missing_prices, просто выполните
n_missing_prices = sum(reviews.price.isnull())
print(n_missing_prices)
сумма является ключевым методом здесь, пытался использовать счетчик, прежде чем я понял, сумма является правильным методом для использования в этом контексте