数组中不丢失的值的数目？Len（x）是否排除缺失值？

Question

python中有没有一个函数可以让我计算数组中非缺失值的数量？在

我的数据：

df.wealth1[df.wealth < 25000] = df.wealth
df.wealth2[df.wealth <50000 & df.wealth > 25000] = df.wealth
df.wealth3[df.wealth < 75000 & df.wealth > 50000] = df.wealth
...

id, income, wealth, wealth1, wealth2, ... wealth9
1, 100000, 20000, 20000, ,...,
2, 60000, 40000, , 40000, ...,
3 70000, 23000, 23000, , ...,
4 80000, 75000, , ,..., 75000
...

我的现状：

^{pr2}$

但这不起作用，因为np.isnan('wealth1')无效。它只适用于np.isnan(df.wealth1)，但是我不能将其合并到for循环中。我对python相当陌生，所以可能（希望如此）我遗漏了一些显而易见的东西。在

任何建议或问题都很好。谢谢！干杯

Answer 1

最好的方法是使用DataFrame对象的count方法：

In [18]: data = randn(1000, 3)

In [19]: data
Out[19]:
array([[ 0.1035,  0.9239,  0.3902],
       [ 0.2022, -0.1755, -0.4633],
       [ 0.0595, -1.3779, -1.1187],
       ...,
       [ 1.3931,  0.4087,  2.348 ],
       [ 1.2746, -0.6431,  0.0707],
       [-1.1062,  1.3949,  0.3065]])

In [20]: data[rand(len(data)) > 0.5] = nan

In [21]: data
Out[21]:
array([[ 0.1035,  0.9239,  0.3902],
       [ 0.2022, -0.1755, -0.4633],
       [    nan,     nan,     nan],
       ...,
       [ 1.3931,  0.4087,  2.348 ],
       [ 1.2746, -0.6431,  0.0707],
       [-1.1062,  1.3949,  0.3065]])

In [22]: df = DataFrame(data, columns=list('abc'))

In [23]: df.head()
Out[23]:
        a       b       c
0  0.1035  0.9239  0.3902
1  0.2022 -0.1755 -0.4633
2     NaN     NaN     NaN
3     NaN     NaN     NaN
4     NaN     NaN     NaN

[5 rows x 3 columns]

In [24]: df.count()
Out[24]:
a    498
b    498
c    498
dtype: int64

In [26]: df.notnull().sum()
Out[26]:
a    498
b    498
c    498
dtype: int64

与许多pandas方法一样，这也适用于Series对象：

^{pr2}$

Answer 2

Pandas还允许您通过以下方式访问列：

np.isnan(df['wealth1'])

顺便说一句，即使不是这样，你还是可以的

^{pr2}$