如何检查Pandas DataFrame中的任何值是否为NaN

Question

在Python Pandas中，检查DataFrame是否有一个（或多个）NaN值的最佳方法是什么？

我知道函数pd.isnan，但这会为每个元素返回一个布尔数据框架。 This post就在这里也没有完全回答我的问题。

Answer 1

jwilner的反应很明显。我正在探索是否有更快的选择，因为根据我的经验，求平面阵列（奇怪地）比计数更快。这段代码似乎更快：

df.isnull().values.any()

例如：

In [2]: df = pd.DataFrame(np.random.randn(1000,1000))

In [3]: df[df > 0.9] = pd.np.nan

In [4]: %timeit df.isnull().any().any()
100 loops, best of 3: 14.7 ms per loop

In [5]: %timeit df.isnull().values.sum()
100 loops, best of 3: 2.15 ms per loop

In [6]: %timeit df.isnull().sum().sum()
100 loops, best of 3: 18 ms per loop

In [7]: %timeit df.isnull().values.any()
1000 loops, best of 3: 948 µs per loop

df.isnull().sum().sum()有点慢，但当然还有其他信息 - NaNs的数量。

Answer 2

你有几个选择。

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

现在数据框看起来像这样：

          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

• 选项1 ：df.isnull().any().any() - 返回布尔值

您知道isnull()将返回如下数据框：

       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

如果您使用df.isnull().any()，则只能找到包含NaN值的列：

0    False
1     True
2    False
3     True
4    False
5     True
dtype: bool

另外一个.any()会告诉您上述任何一项是True

> df.isnull().any().any()
True

• 选项2 ：df.isnull().sum().sum() - 返回NaN值总数的整数：

这与.any().any()的操作方式相同，首先给出一列中NaN值的总和，然后是这些值的总和：

df.isnull().sum()
0    0
1    2
2    0
3    1
4    0
5    2
dtype: int64

最后，获取DataFrame中NaN值的总数：

df.isnull().sum().sum()
5

Answer 3

要找出特定列中哪些行具有NaN：

SELECT name,
       SUM(CASE WHEN YEAR(TransDate) = 2014
                THEN COALESCE(credit, 0) - COALESCE(debit, 0)
                ELSE 0
           END) as credit_debit_2014,
       SUM(CASE WHEN YEAR(TransDate) = 2015
                THEN COALESCE(credit, 0) - COALESCE(debit, 0)
                ELSE 0
           END) as credit_debit_2015,
       SUM(CASE WHEN YEAR(TransDate) = 2016
                THEN COALESCE(credit, 0) - COALESCE(debit, 0)
                ELSE 0
           END) as credit_debit_2016
FROM table1
GROUP BY name;

Answer 4

如果你需要知道有多少行＆＃34;一个或多个NaN s＆＃34;：

df.isnull().T.any().T.sum()

或者如果你需要拉出这些行并检查它们：

nan_rows = df[df.isnull().T.any().T]

Answer 5

df.isnull().any().any()应该这样做。

Answer 6

添加到Hobs的精彩回答，我对Python和Pandas都很陌生，所以请指出我是不是错了。

找出哪些行有NaN：

nan_rows = df[df.isnull().any(1)]

将执行相同的操作而不需要通过将any（）的轴指定为1进行转置来检查是否真的＆＃39;存在于行中。

Answer 7

由于没有人提到，只有另一个名为hasnans的变量。

如果pandas系列中的一个或多个值为NaN，则

df[i].hasnans将输出到True，如果不是，则False。recv请注意，它不是一个功能。

pandas version'0.19.2'和'0.20.2'

Answer 8

由于pandas必须为DataFrame.dropna()找到这个，我看了看他们是如何实现它的，并发现他们使用了DataFrame.count()，它计算所有非空DataFrame中的值。参看pandas source code。我没有对这种技术进行基准测试，但我认为图书馆的作者可能已经做出明智的选择。

Answer 9

刚刚使用 math.isnan(x)，如果x是NaN（不是数字），则返回True，否则返回False。

Answer 10

超级简单语法：df.isna().any(axis=None)

Starting from v0.23.2，您可以使用DataFrame.isna + DataFrame.any(axis=None)，其中axis=None指定整个DataFrame的逻辑归约。

# Setup
df = pd.DataFrame({'A': [1, 2, np.nan], 'B' : [np.nan, 4, 5]})
df
     A    B
0  1.0  NaN
1  2.0  4.0
2  NaN  5.0

df.isna()

       A      B
0  False   True
1  False  False
2   True  False

df.isna().any(axis=None)
# True

---

有用的选择

numpy.isnan
如果您运行的是旧版熊猫，则是另一个性能选择。

np.isnan(df.values)

array([[False,  True],
       [False, False],
       [ True, False]])

np.isnan(df.values).any()
# True

或者，检查总和：

np.isnan(df.values).sum()
# 2

np.isnan(df.values).sum() > 0
# True

Series.hasnans
您还可以迭代地调用Series.hasnans。例如，要检查单个列是否具有NaN，

df['A'].hasnans
# True

要检查 any 列是否具有NaN，可以对any使用理解（这是一种短路操作）。

any(df[c].hasnans for c in df)
# True

这实际上非常很快。

Answer 11

这是找到空值并替换为计算值的另一种有趣方式

    #Creating the DataFrame

    testdf = pd.DataFrame({'Tenure':[1,2,3,4,5],'Monthly':[10,20,30,40,50],'Yearly':[10,40,np.nan,np.nan,250]})
    >>> testdf2
       Monthly  Tenure  Yearly
    0       10       1    10.0
    1       20       2    40.0
    2       30       3     NaN
    3       40       4     NaN
    4       50       5   250.0

    #Identifying the rows with empty columns
    nan_rows = testdf2[testdf2['Yearly'].isnull()]
    >>> nan_rows
       Monthly  Tenure  Yearly
    2       30       3     NaN
    3       40       4     NaN

    #Getting the rows# into a list
    >>> index = list(nan_rows.index)
    >>> index
    [2, 3]

    # Replacing null values with calculated value
    >>> for i in index:
        testdf2['Yearly'][i] = testdf2['Monthly'][i] * testdf2['Tenure'][i]
    >>> testdf2
       Monthly  Tenure  Yearly
    0       10       1    10.0
    1       20       2    40.0
    2       30       3    90.0
    3       40       4   160.0
    4       50       5   250.0

Answer 12

通过使用seaborn模块heatmap生成热图，我们可以看到数据集中存在的空值

import pandas as pd
import seaborn as sns
dataset=pd.read_csv('train.csv')
sns.heatmap(dataset.isnull(),cbar=False)

Answer 13

我一直在使用以下内容，并将其强制转换为字符串并检查nan值

   (str(df.at[index, 'column']) == 'nan')

这使我可以检查序列中的特定值，而不仅仅是返回该值是否包含在序列中。

Answer 14

df.apply(axis=0, func=lambda x : any(pd.isnull(x)))

将检查每一列是否包含Nan。

Answer 15

或者您可以在.info()上使用DF，例如：

df.info(null_counts=True)会返回列中的非空行数，例如：

<class 'pandas.core.frame.DataFrame'>
Int64Index: 3276314 entries, 0 to 3276313
Data columns (total 10 columns):
n_matches                          3276314 non-null int64
avg_pic_distance                   3276314 non-null float64

Answer 16

最好是使用：

df.isna().any().any()

这里是why。因此，isna()用于定义isnull()，但这两个当然是相同的。

这比接受的答案还要快，并且涵盖了所有2D熊猫阵列。

Answer 17

import missingno as msno
msno.matrix(df)  # just to visualize. no missing value.

Answer 18

df.isnull（）。sum（）   这将为您提供DataFrame中所有NaN值的计数

Answer 19

让df为Pandas DataFrame的名称，而numpy.nan的任何值均为空值。

1. 如果您想查看哪些列包含空值，哪些不包含空值（仅True和False）
   df.isnull().any()
2. 如果您只想查看包含空值的列
   df.loc[:, df.isnull().any()].columns
3. 如果要查看列中的空值计数
   df.loc[:, list(df.loc[:, df.isnull().any()].columns)].isnull().sum()
4. 如果要查看列中空值的百分比
   df.loc[:, list(df.loc[:, df.isnull().any()].columns)].isnull().sum()/(len(air_price))*100

编辑1： 如果要直观地查看数据丢失的地方：
import missingno
missingdata_df = df.columns[df.isnull().any()].tolist()
missingno.matrix(df[missingdata_df])

Answer 20

为此，我们可以使用语句 df.isna().any() 。这将检查我们所有的列并返回 True 如果有任何缺失值或 NaN 或 False 如果没有缺失值。

Answer 21

您不仅可以检查是否存在“ NaN”，还可以使用以下命令获取每一列中“ NaN”的百分比，

dplyr

Answer 22

根据您要处理的数据类型，您还可以通过将dropna设置为False来获取执行EDA时每列的值计数。

for col in df:
   print df[col].value_counts(dropna=False)

适用于分类变量，而不是在有许多唯一值时。