如何检查Pandas数据框中的任何值是否为NaN

Question

在Python Pandas中，检查数据帧是否有一个（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值数据框。This post这里也不能完全回答我的问题。

Answer 1

要找出特定列中哪些行具有nan，请执行以下操作：

nan_rows = df[df['name column'].isnull()]

Answer 2

你有两个选择。

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，数据帧如下所示：

          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()将返回如下数据帧：

       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

如果您将其设为df.isnull().any()，您可以只找到具有NaN值的列：

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

再来一个.any()将告诉您上面是否有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，首先给出列中NaN个值的总和，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，要获取数据帧中NaN值的总数：

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

Answer 3

jwilner的响应是spot-on。我在探索是否有一个更快的选择，因为根据我的经验，对平面阵列求和（奇怪地）比计数快。此代码似乎更快：

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，还有额外的信息——数字NaNs。