Python / Pandas：计算每行中缺失/ NaN的数量

Question

我有一个包含大量行的数据集。一些值是NaN，如下所示：

In [91]: df
Out[91]:
 1    3      1      1      1
 1    3      1      1      1
 2    3      1      1      1
 1    1    NaN    NaN    NaN
 1    3      1      1      1
 1    1      1      1      1

我想计算每个字符串中的NaN值的数量，它将是这样的：

In [91]: list = <somecode with df>
In [92]: list
    Out[91]:
     [0,
      0,
      0,
      3,
      0,
      0]

最好和最快的方法是什么？

Answer 1

您可以先NaN查找元素是否为isnull()，然后逐行sum(axis=1)

In [195]: df.isnull().sum(axis=1)
Out[195]:
0    0
1    0
2    0
3    3
4    0
5    0
dtype: int64

而且，如果您希望输出为列表，则可以

In [196]: df.isnull().sum(axis=1).tolist()
Out[196]: [0, 0, 0, 3, 0, 0]

或者使用count之类的

In [130]: df.shape[1] - df.count(axis=1)
Out[130]:
0    0
1    0
2    0
3    3
4    0
5    0
dtype: int64