在大熊猫数据集的所有行中计算NaN列的有效方法?

要获取代码的输出,可以使用:

df.isnull().sum(axis=1).value_counts().to_frame()

这是一个例子:

df=pd.DataFrame()
df['col1']=[np.nan,1,3,5,np.nan]
df['col2']=[2,np.nan,np.nan,3,6]
df['col3']=[1,3,np.nan,4,np.nan]
print(df)
print(df.isnull().sum(axis=1))
print(df.isnull().sum(axis=0))


   col1  col2  col3
0   NaN   2.0   1.0
1   1.0   NaN   3.0
2   3.0   NaN   NaN
3   5.0   3.0   4.0
4   NaN   6.0   NaN
0    1
1    1
2    2
3    0
4    2
dtype: int64
col1    2
col2    2
col3    2
dtype: int64

如您所见,可以按行和列获取nan值的计数

现在做:

df.isnull().sum(axis=1).value_counts().to_frame()

   0
2  2
1  2
0  1

你可以数数 na 按行使用以下值:

df.isna().count(axis='rows')

如果这会导致您的机器崩溃,我建议按块迭代。