数据框检查 iterrows 中的 nan - Python

在处理数据框时，经常需要使用iterrows()方法进行遍历操作。但是在遍历过程中，可能会遇到nan（Not a Number）的情况。本文将介绍如何在iterrows()中检查nan，并进行相应的处理。

iterrows()方法介绍

iterrows()方法是pandas库中DataFrame对象中的一种遍历方法，它能够将DataFrame中的每一行转化为一个元组（index和row），并返回一个迭代器，可以使用for循环进行遍历。

import pandas as pd

df = pd.DataFrame({'a': [1, 2], 'b': [3, 4]})
for index, row in df.iterrows():
    print(index, row)

输出结果为：

0 a    1
  b    3
1 a    2
  b    4

检查nan的方法

在使用iterrows()遍历数据框时，可能会遇到某些列含有nan值的情况。检查nan的方法有很多种，本文将介绍两种常见的方法。

方法一：isnan()方法

isnan()方法是numpy库提供的方法，用于判断一个数值是否为nan。通过该方法，我们可以检查DataFrame中的每一项是否为nan，并进行相应的处理。

import numpy as np
import pandas as pd

df = pd.DataFrame({'a':[1, np.nan], 'b':[np.nan, 4]})
for index, row in df.iterrows():
    if np.isnan(row['a']):
        print(f'a列中第{index}行中含有nan')
    if np.isnan(row['b']):
        print(f'b列中第{index}行中含有nan')

输出结果为：

a列中第1行中含有nan
b列中第0行中含有nan

方法二：isnull()方法

isnull()方法是pandas库中DataFrame对象的一个方法，用于判断一个项是否为nan。通过该方法，我们可以检查DataFrame中的每一项是否为nan，并进行相应的处理。

import pandas as pd

df = pd.DataFrame({'a':[1, pd.np.nan], 'b':[pd.np.nan, 4]})
for index, row in df.iterrows():
    if row['a'].isnull():
        print(f'a列中第{index}行中含有nan')
    if row['b'].isnull():
        print(f'b列中第{index}行中含有nan')

输出结果为：

a列中第1行中含有nan
b列中第0行中含有nan

处理nan

在检查出DataFrame中含有nan之后，我们通常需要进行相应的处理。处理nan的方法有很多种，本文将介绍一种常见的处理方法：用0填充。

import pandas as pd

df = pd.DataFrame({'a':[1, pd.np.nan], 'b':[pd.np.nan, 4]})

for index, row in df.iterrows():
    if row['a'].isnull():
        df.at[index, 'a'] = 0
    if row['b'].isnull():
        df.at[index, 'b'] = 0
print(df)

输出结果为：

     a    b
0  1.0  0.0
1  0.0  4.0

总结

本文介绍了在使用iterrows()遍历DataFrame时，检查与处理nan的方法。检查nan有多种方法，包括isnan()和isnull()等，处理nan的方法也有很多种，本文介绍了一种常见的方法：用0填充。在实际使用过程中，应根据具体的需求选择合适的方法。