isnull()函数的使用方法

isnull() 函数的使用方法

isnull() 函数通常用于数据处理和分析中，特别是在使用 pandas 库进行数据分析时。该函数的主要功能是检查数据中的缺失值（即 NaN 值），并返回一个布尔值（True 或 False）的相同形状数组，指示对应位置的值是否为缺失值。

使用场景

• 数据清洗：在数据预处理阶段，找出并处理缺失值。
• 条件筛选：基于缺失值的存在与否对数据进行筛选。
• 统计分析：计算缺失值的比例等统计信息。

基本语法

在使用 pandas 时，isnull() 是 DataFrame 和 Series 对象的一个方法。

pandas.DataFrame.isnull() pandas.Series.isnull()

参数

• 无参数。

返回值

• 返回一个与原数据形状相同的布尔型 DataFrame 或 Series，其中值为 True 的地方表示原数据中对应的值是缺失值（NaN）。

示例代码

1. 对 Series 使用 isnull()

import pandas as pd import numpy as np # 创建一个包含缺失值的 Series s = pd.Series([1, 2, np.nan, 4, None]) # 检查缺失值 print(s.isnull())

输出：

0 False 1 False 2 True 3 False 4 True dtype: bool

1. 对 DataFrame 使用 isnull()

# 创建一个包含缺失值的 DataFrame df = pd.DataFrame({ 'A': [1, 2, np.nan, 4], 'B': [np.nan, 2, 3, 4], 'C': [1, None, 3, 4] }) # 检查缺失值 print(df.isnull())

输出：

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

1. 结合其他操作

• 计算每列的缺失值数量

missing_values_count = df.isnull().sum() print(missing_values_count)

输出：

A 1 B 1 C 1 dtype: int64

• 删除包含缺失值的行

df_cleaned = df.dropna() print(df_cleaned)

输出：

A B C 3 4 4 4

• 填充缺失值

df_filled = df.fillna(0) print(df_filled)

输出：

A B C 0 1.0 0.0 1 1 2.0 2.0 0 2 0.0 3.0 3 3 4.0 4.0 4

总结

isnull() 是一个简单但非常有用的函数，可以帮助我们有效地识别和处理数据集中的缺失值。通过结合其他 pandas 方法，我们可以轻松地进行复杂的数据清洗和预处理工作。