博客

详解pandas.DataFrame.isnull()（检测缺失值）函数使用方法

  • Post category:Python

我们来详细讲解pandas.DataFrame.isnull()的作用与使用方法的完整攻略。

作用

pandas.DataFrame.isnull() 方法主要用于检查DataFrame对象中的缺失值（NaN）或缺失值所在位置的方法，如果存在缺失值，那么该位置就会返回True，否则就会返回False。

使用方法

pandas.DataFrame.isnull() 方法的使用方法非常简单，可以通过如下的方式调用：

df.isnull()

其中，df是一个DataFrame对象。

该方法返回的是一个DataFrame对象，与原始的DataFrame对象有相同的维度，但是每个格子的数值都是一个布尔值（True或False），代表该位置上是否存在空值。

示例

下面我们来演示一下该方法的用法，假设我们有一个DataFrame对象df，该对象的数据如下：

Name Age Gender
0 Alice 18 Female
1 Bob NaN NaN
2 Carol 20 Female

现在，我们想要检查一下这个对象中是否存在空值。

可以通过下面的代码来进行检查：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Carol'],
        'Age': [18, None, 20],
        'Gender': ['Female', None, 'Female']}

df = pd.DataFrame(data)

print(df.isnull())

输出结果为：

    Name    Age  Gender
0  False  False   False
1  False   True    True
2  False  False   False

从输出结果可以看出，第二行第二列（即Age这一列的第二行）和第二行第三列（即Gender这一列的第二行）的数值为True，代表该位置上存在空值。

除此之外，还可以根据需求，结合DataFrame对象中的其他方法，对空值进行进一步处理。

例如，我们可以对空值进行删除对应行或列：

# 删除存在空值的行
df.dropna()

# 删除存在空值的列
df.dropna(axis=1)

还可以使用fillna方法对空值进行填充：

# 使用平均值填充Age这一列的空值
df['Age'].fillna(df['Age'].mean(), inplace=True)

这些方法都可以有效地对空值进行处理。

Tags: