pandas isnull函数检查数据是否有缺失

1.np.array.any()和numpy.array.all()

np.array.any()是或操作，将np.array中所有元素进行或操作,只要有一个为真，则返回True，否则返回Flase；

np.array.all()是与操作，将np.array中所有元素进行与操作，只要有一个为假，返回False，都为真，返回True。

import numpy as np
arr1 = np.array([0,1,2,3])
arr2 = np.array([True,True,True])
print(arr1.any()) #虽然有0，但其他的值有不是0存在
#result:True
print(arr1.all()) #只要有一个为0，就返回False
#result:False
print(arr2.any())
#result:True
print(arr2.all())
#result:True

2.判断np.array是否相等

首先，我们看一下list和np.array的区别：

lst1 = [1,3,5,7,9]
lst2 = [2,4,6,8,10]
print(lst1 == lst2)
#result:False
print(lst1 != lst2)
#result:True

import numpy as np 
 
arr1 = np.arange(10)
arr2 = np.arange(10)
print(arr1 == arr2)
#result:[ True  True  True  True  True  True  True  True  True  True]

可以看出：用 “=” 判断两个list 是否相同，返回的是True或False，而np.array返回的是每个元素值比较的列表。

那么如何比较两个np.array，而不是其中的元素呢？

arr1 = np.arange(10)
arr2 = np.arange(10)
print((arr1 == arr2).all())
#result:True

arr1 == arr2返回的仍然是np.array类型的数组，因此，再通过.all()方法即可判断arr1、arr2是否相等。

3.Python Pandas找到缺失值的位置

python pandas判断缺失值一般采用 isnull()，生成的是所有数据的true／false矩阵

1,df.isnull()

元素级别的判断，把对应的所有元素的位置都列出来，元素为空或者NA就显示True，否则就是False.对于样本很大的时候不推荐。

   
   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

2,df.isnull().any()

列级别的判断，只要该列有为空或者NA的元素，就为True，否则False
则会判断哪些”列”存在缺失值

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

可以只显示存在缺失值的行列，清楚的确定缺失值的位置。

4,trian_data.columns[train_data.isnull().any()].tolist() #train-data是dataframe对象

将为空或者NA的列找出来

5，isnull().sum()

列中为空的个数统计出来

参考：

https://blog.csdn.net/qq_17753903/article/details/82707734