python查询缺失值所在位置_Python Pandas找到缺失值的位置方法

问题描述：

python pandas判断缺失值一般采用 isnull()，然而生成的却是所有数据的true／false矩阵，对于庞大的数据dataframe，很难一眼看出来哪个数据缺失，一共有多少个缺失数据，缺失数据的位置。

首先对于存在缺失值的数据，如下所示

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

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

df.isnull()会产生如下结果

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

df.isnull().any()则会判断哪些”列”存在缺失值

0 False

1 True

2 False

3 True

4 False

5 True

dtype: bool

对于该问题，可以采用如下方式解决：

df[df.isnull().values==True]

Out[126]:

0 1 2 3 4 5

1 1.090872 NaN -0.287612 -0.239234 -0.589897 1.849413

2 -1.384721 NaN -0.158293 0.011798 -0.564906 -0.607121

5 -0.477590 -2.696239 0.312837 NaN 0.404196 -0.797050

7 0.369665 -0.268898 -0.344523 -0.094436 0.214753 NaN

8 -0.114483 -0.842322 0.164269 -0.812866 -0.601757 NaN

可以只显示存在缺失值的行列，清楚的确定缺失值的位置。

以上这篇Python Pandas找到缺失值的位置方法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我们。

本文标题: Python Pandas找到缺失值的位置方法

本文地址: http://www.cppcns.com/jiaoben/python/225093.html