今天小编就为大家分享一篇Python pandas库中的isnull()详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

问题描述

python的pandas库中有一个十分便利的isnull()函数，它可以用来判断缺失值，我们通过几个例子学习它的使用方法。

首先我们创建一个dataframe,其中有一些数据为缺失值。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(10,99,size=(10,5)))
df.iloc[4:6,0] = np.nan
df.iloc[5:7,2] = np.nan
df.iloc[7,3] = np.nan
df.iloc[2:3,4] = np.nan

得到的结果如下所示

   0  1   2   3   4
0 63.0 89 58.0 94.0 10.0
1 44.0 77 66.0 54.0 14.0
2 25.0 41 93.0 56.0  NaN
3 43.0 26 27.0 53.0 44.0
4  NaN 98 45.0 32.0 45.0
5  NaN 28  NaN 72.0 10.0
6 69.0 92  NaN 24.0 61.0
7 51.0 22 35.0  NaN 72.0
8 83.0 32 93.0 62.0 25.0
9 48.0 54 83.0 30.0 79.0

我们先来运行以下isnull()看会出现什么结果

df.isnull()

   0   1   2   3   4
0 False False False False False
1 False False False False False
2 False False False False  True
3 False False False False False
4  True False False False False
5  True False  True False False
6 False False  True False False
7 False False False  True False
8 False False False False False
9 False False False False False

可见程序返回了布尔值，该处为缺失值，返回True，该处不为缺失值，则返回False

其它

直接使用isnull()并不能很直观的反应缺失值的信息。

我们再调用其他命令进行尝试。

df.isnull().any()

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

可见df.isnull().any()会判断哪些列包含缺失值，该列存在缺失值则返回True，反之False。

df.isnull().sum()

0  2
1  0
2  2
3  1
4  1
dtype: int64

isnull().sum()就更加直观了，它直接告诉了我们每列缺失值的数量。

以上这篇Python pandas库中的isnull()详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持

原文链接：https://blog.csdn.net/qq_40825479/article/details/83544430