pandas 获取缺失数据的行 - Python

在使用pandas分析数据时，经常会遇到缺失数据的情况。正确地处理缺失数据很重要，因为它们可能会导致分析结果出现偏差。本文将介绍如何使用pandas获取缺失数据的行。

查看缺失数据

我们可以使用isnull()函数来查看数据是否缺失。它会返回一个Boolean数组，指示哪些值是缺失的。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

print(df.isnull())

输出：

       A      B
0  False  False
1  False   True
2   True  False
3  False  False

在上面的示例中，我们创建了一个包含缺失数据的DataFrame，并使用isnull()方法检查缺失数据。

获取缺失数据的行

要获取缺失数据的行，我们可以使用any()函数将Boolean数组逐行求和。这将返回一个长度为行数的Boolean数组，指示哪些行存在缺失数据。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

missing_rows = df.isnull().any(axis=1)
print(missing_rows)

输出：

0    False
1     True
2     True
3    False
dtype: bool

在上面的示例中，我们使用any()函数获取了缺失数据的行，并将结果存储在名为missing_rows的变量中。

过滤缺失数据的行

现在我们已经获得了缺失数据的行，可以使用loc[]函数来选择具有缺失数据的行，并将其存储在一个新的DataFrame中。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None, 4],
                   'B': [5, None, 7, 8]})

missing_rows = df.isnull().any(axis=1)
missing_data_df = df.loc[missing_rows, :]
print(missing_data_df)

输出：

     A    B
1  2.0  NaN
2  NaN  7.0

在上面的示例中，我们使用loc[]函数获取了缺失数据的行，并将结果存储在名为missing_data_df的变量中。

结论

本文介绍了如何使用pandas获取缺失数据的行。我们使用isnull()函数和any()函数查找缺失数据的行，并使用loc[]函数过滤这些行。在实际分析中，正确地处理缺失数据很重要。