使用numpy和pandas判断缺失值 |
您所在的位置：网站首页 › Python 判断空值 › 使用numpy和pandas判断缺失值 |
使用numpy和pandas判断缺失值
|
本文主要介绍用numpy和pandas检查ndarray中是否存在缺失值的方法以及运行时间(缺失值的表示方式为np.nan) import numpy as np import pandas as pd # 随机初始化一个(100, 100)的数组 data = np.random.rand(100, 100) # 随机将100个位置置为np.nan for i in range(100): x = np.random.choice(100) y = np.random.choice(100) data[x][y] = np.nan对于上述这种数值型的ndarray，得到每一个位置是否为np.nan的方法主要有以下几种 np.isnan(data) pd.isna(data) pd.isnull(data)三个方法的返回值都是一个大小和data相同的布尔类型的数组，表示每个位置是否为np.nan，以np.isnan方法为例 如果想知道每一行，每一列或者总缺失值的数量 # 每一列 np.isnan(data).sum(axis=0) # 每一行 np.isnan(data).sum(axis=1) # 总体 np.isnan(data).sum() |
可以发现，numpy的方法要快于pandas的两种方法 
如果我们想知道数组的每一行或者数组的每一列是否有缺失值【本文地址】
今日新闻 |
推荐新闻 |