pandas返回缺失值位置的方法实例教程

当我们用python进行数据处理时会遇到很多缺失值,缺失值一般是由于我们所处理的数据本身的特性、当初录入的失误或者其它原因导致的,下面这篇文章主要给大家介绍了关于pandas返回缺失值位置的方法,需要的朋友可以参考下

pandas返回缺失值位置

有的时候我们可能需要获取一些缺失值的信息，因此我们需要获取这些缺失值在DataFrame中的位置。

假如我们的DataFrame的索引为数值顺序索引，要返回缺失值的位置

import numpy as np import pandas as pd

我们首先构建一个有缺失值的DataFrame

df = pd.DataFrame({'A':[1, 2, 3, np.nan], 'B':[2, np.nan, 4, 6], 'C':[3, 2, np.nan, 3], 'D':[np.nan, 1, np.nan, 2]}) display(df)

首先我们可以查看每列中是否有缺失值

df.isnull().any()

我们发现四个columns均有缺失值，比如我们想知道每列的缺失值的具体位置,以A为例

df.isnull().any()

可以看到返回了A的缺失值位置的索引，这样在定位的时候使用loc函数就可以直接定位到缺失值方便查看了.

如果我们想生成一个字典来存储全部的缺失值位置信息，可以用：

a = df.isnull().any() a = a.loc[a==True] columns = a.index.tolist() mydict = {}#创建一个字典来存储所有的位置 temp = [] for column in columns: temp = df.loc[df[column].isnull()].index.tolist() mydict[column] = temp mydict

附：Pandas查找缺失值的位置，并返回缺失值行号以及列号

#!/usr/bin/evn python # -*-coding:utf8 -*- import pandas as pd data = [[None, None, 90, 80],[57, 43, 89, 65],[78, 50, 67, 78],[None, 78, 90, 73],[67, 45, 78, 76],[77, 88, None, 45],[52, 110, 120, 99],[131, 13, 32, 12]] index = ['语文', '英语', '数学', '政治', '物理', '化学', '生物', '地理'] column = ['张三', '李四', '王五', '周六'] data = pd.DataFrame(data,index=index,columns=column) print(data) print("=========================================================\n") for columname in data.columns: if data[columname].count() != len(data): loc = data[columname][data[columname].isnull().values==True].index.tolist() print('列名："{}", 第{}行位置有缺失值'.format(columname,loc))

执行结果

F:\Opensources\python\python.exe D:/pythonStudy/EXCELDB/LagelangriCZ_test.py
张三李四王五周六
语文 NaN NaN 90.0 80
英语 57.0 43.0 89.0 65
数学 78.0 50.0 67.0 78
政治 NaN 78.0 90.0 73
物理 67.0 45.0 78.0 76
化学 77.0 88.0 NaN 45
生物 52.0 110.0 120.0 99
地理 131.0 13.0 32.0 12
=========================================================
列名："张三", 第['语文', '政治']行位置有缺失值
列名："李四", 第['语文']行位置有缺失值
列名："王五", 第['化学']行位置有缺失值

Process finished with exit code 0