计算空值
我有一个表格，想要知道里面有多少个空值，但遇到了一个意外的错误。
下面是这个表格：
outage_id isp_name start_time end_time affected_area reported_issues
1 ISP D 2023-01-01 00:00:00 2023-01-01 01:00:00 Area 6 39
2 ISP E 2023-01-01 01:00:00 2023-01-01 05:00:00 Area 3 47
3 ISP C 2023-01-01 02:00:00 2023-01-01 03:00:00 Area 4 60
4 ISP E 2023-01-01 03:00:00 2023-01-01 04:00:00 Area 4 63
5 ISP E 2023-01-01 04:00:00 NULL Area 3 17
6 ISP B 2023-01-01 05:00:00 2023-01-01 06:00:00 Area 3 36
7 ISP C 2023-01-01 06:00:00 NULL Area 3 36
8 ISP C 2023-01-01 07:00:00 NULL Area 4 30
9 ISP C 2023-01-01 08:00:00 2023-01-01 09:00:00 Area 7 39
10 ISP E 2023-01-01 09:00:00 2023-01-01 12:00:00 Area 4 37
11 ISP D 2023-01-01 10:00:00 2023-01-01 11:00:00 Area 9 73
12 ISP C 2023-01-01 11:00:00 2023-01-01 13:00:00 Area 1 78
13 ISP E 2023-01-01 12:00:00 NULL Area 8 70
14 ISP B 2023-01-01 13:00:00 2023-01-01 17:00:00 Area 7 57
15 ISP D 2023-01-01 14:00:00 2023-01-01 15:00:00 Area 2 28
16 ISP B 2023-01-01 15:00:00 NULL Area 8 13
17 ISP D 2023-01-01 16:00:00 2023-01-01 20:00:00 Area 1 44
18 ISP E 2023-01-01 17:00:00 2023-01-01 21:00:00 Area 9 73
19 ISP A 2023-01-01 18:00:00 2023-01-01 21:00:00 Area 9 58
20 ISP D 2023-01-01 19:00:00 2023-01-01 22:00:00 Area 2 26
21 ISP B 2023-01-01 20:00:00 NULL Area 7 53
22 ISP E 2023-01-01 21:00:00 2023-01-01 22:00:00 Area 3 39
23 ISP D 2023-01-01 22:00:00 2023-01-02 01:00:00 Area 7 55
24 ISP A 2023-01-01 23:00:00 2023-01-02 02:00:00 Area 9 15
25 ISP A 2023-01-02 00:00:00 NULL Area 4 46
26 ISP C 2023-01-02 01:00:00 2023-01-02 03:00:00 Area 1 33
27 ISP C 2023-01-02 02:00:00 NULL Area 2 55
28 ISP B 2023-01-02 03:00:00 NULL Area 1 62
29 ISP D 2023-01-02 04:00:00 NULL Area 5 69
30 ISP D 2023-01-02 05:00:00 2023-01-02 09:00:00 Area 5 72
31 ISP C 2023-01-02 06:00:00 2023-01-02 10:00:00 Area 7 94
32 ISP D 2023-01-02 07:00:00 2023-01-02 10:00:00 Area 9 41
33 ISP D 2023-01-02 08:00:00 2023-01-02 11:00:00 Area 9 96
34 ISP A 2023-01-02 09:00:00 2023-01-02 13:00:00 Area 3 42
35 ISP C 2023-01-02 10:00:00 2023-01-02 13:00:00 Area 3 76
36 ISP E 2023-01-02 11:00:00 2023-01-02 13:00:00 Area 3 27
37 ISP C 2023-01-02 12:00:00 2023-01-02 14:00:00 Area 4 34
38 ISP E 2023-01-02 13:00:00 2023-01-02 14:00:00 Area 8 63
39 ISP A 2023-01-02 14:00:00 NULL Area 6 67
40 ISP B 2023-01-02 15:00:00 2023-01-02 19:00:00 Area 8 76
41 ISP D 2023-01-02 16:00:00 NULL Area 1 55
我的代码如下：
``
df.end_time.isnull().groupby('isp_name').sum()
#or
df.end_time.isnull().groupby('isp_name').transform('sum')
``
结果显示了一个错误：KeyError: 'isp_name'。
我确实有'isp_name'这一列，但我不知道为什么会出现这个问题。
谢谢
1 个回答
0
在你用 df['end_time'].isnull() 进行筛选后，你只得到了一个系列（Series），这时候 isp_name 这一列就不见了。
你需要用这个系列来进行分组：
df['end_time'].isnull().groupby(df['isp_name']).sum()
或者你可以使用一个自定义的聚合函数：
df.groupby('isp_name')['end_time'].agg(lambda x: x.isnull().sum())
输出结果：
isp_name
ISP A 2
ISP B 6
ISP C 3
ISP D 4
ISP E 3
Name: end_time, dtype: int64
最后一个选项，提供更多灵活性，你可以用 assign 来添加一个新列：
(df.assign(non_null=lambda d: d['end_time'].isnull())
.groupby('isp_name')['non_null'].sum()
)