在pandas数据帧中检查无

Question

我想找到数据框中没有找到的地方。

pd.DataFrame([None,np.nan]).isnull()
OUT: 
      0
0  True
1  True

isnull（）找到numpy Nan和None值。

我只想要None值而不是numpy Nan。如果没有循环遍历数据框，有没有更简单的方法呢？

编辑： 在阅读完评论后，我意识到在我的工作中我的数据框中也包含了字符串，所以None并没有被强制为numpy Nan。所以Pisdom的答案是有效的。

Answer 1

您可以将applymap与lambda一起使用来检查element is None是否如下所示（构建了一个不同的示例，与原始版本一样，None被强制执行np.nan因为数据类型为float，您需要object类型列按原样保留None，或者按@Evert，None进行评论， NaN在数字类型列中无法区分：

df = pd.DataFrame([[None, 3], ["", np.nan]])

df
#      0      1
#0  None    3.0
#1          NaN

df.applymap(lambda x: x is None)

#       0       1
#0   True   False
#1  False   False

Answer 2

如果要为每一行获取True / False，则可以使用以下代码。以下是以下DataFrame的结果示例：

df = pd.DataFrame([[None, 3], ["", np.nan]])

df
#      0      1
#0  None    3.0
#1          NaN

如何检查None

可用：.isnull()

>>> df[0].isnull()
0     True
1    False
Name: 0, dtype: bool

可用：.apply ==或is None

>>> df[0].apply(lambda x: x == None)
0     True
1    False
Name: 0, dtype: bool

>>> df[0].apply(lambda x: x is None)
0     True
1    False
Name: 0, dtype: bool

可用：.values == None

>>> df[0].values == None
array([ True, False])

不可用：is或==

>>> df[0] is None
False

>>> df[0] == None
0    False
1    False
Name: 0, dtype: bool

不可用：.values is None

>>> df[0].values is None
False

如何检查np.nan

可用：.isnull()

>>> df[1].isnull()
0    False
1     True
Name: 1, dtype: bool

可用：np.isnan

>>> np.isnan(df[1])
0    False
1     True
Name: 1, dtype: bool

>>> np.isnan(df[1].values)
array([False,  True])

>>> df[1].apply(lambda x: np.isnan(x))
0    False
1     True
Name: 1, dtype: bool

不可用：is或== np.nan

>>> df[1] is np.nan
False

>>> df[1] == np.nan
0    False
1    False
Name: 1, dtype: bool

>>> df[1].values is np.nan
False

>>> df[1].values == np.nan
array([False, False])

>>> df[1].apply(lambda x: x is np.nan)
0    False
1    False
Name: 1, dtype: bool

>>> df[1].apply(lambda x: x == np.nan)
0    False
1    False
Name: 1, dtype: bool