pandas DataFrame의 열에서 NaN 값을 계산하는 방법

number of을 찾고 싶은 데이터가 NaN있으므로 임계 값보다 작 으면이 열을 삭제합니다. 나는 보았지만 이것에 대한 기능을 찾지 못했습니다. 있다value_counts 있지만 대부분의 값이 고유하고 카운트 NaN만 원하기 때문에 속도가 느려집니다 .

이 isna()방법 (또는 isnull()구형 팬더 버전 <0.21.0 과도 호환되는 별칭 )을 사용한 다음 합계를 사용하여 NaN 값을 계산할 수 있습니다. 한 열의 경우 :

In [1]: s = pd.Series([1,2,3, np.nan, np.nan])

In [4]: s.isna().sum()   # or s.isnull().sum() for older pandas versions
Out[4]: 2

여러 열의 경우 다음과 같이 작동합니다.

In [5]: df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

In [6]: df.isna().sum()
Out[6]:
a    1
b    2
dtype: int64

난이 아닌 값 의 개수 에서 총 길이를 뺄 수 있습니다.

count_nan = len(df) - df.count()

당신은 당신의 데이터에 시간을해야합니다. 소형 Series의 경우 isnull솔루션 과 비교하여 3 배의 속도가 향상되었습니다 .

df팬더 DataFrame 이라고 가정 합니다.

그때,

df.isnull().sum(axis = 0)

이것은 모든 열에 많은 NaN 값을 줄 것입니다.

필요한 경우 모든 행의 NaN 값

df.isnull().sum(axis = 1)

가장 투표가 많은 답변을 바탕으로 각 열의 결 측값과 결 측값의 %를 미리 볼 수있는 데이터 프레임을 제공하는 함수를 쉽게 정의 할 수 있습니다.

def missing_values_table(df):
        mis_val = df.isnull().sum()
        mis_val_percent = 100 * df.isnull().sum() / len(df)
        mis_val_table = pd.concat([mis_val, mis_val_percent], axis=1)
        mis_val_table_ren_columns = mis_val_table.rename(
        columns = {0 : 'Missing Values', 1 : '% of Total Values'})
        mis_val_table_ren_columns = mis_val_table_ren_columns[
            mis_val_table_ren_columns.iloc[:,1] != 0].sort_values(
        '% of Total Values', ascending=False).round(1)
        print ("Your selected dataframe has " + str(df.shape[1]) + " columns.\n"      
            "There are " + str(mis_val_table_ren_columns.shape[0]) +
              " columns that have missing values.")
        return mis_val_table_ren_columns

팬더 이후 0.14.1 내 제안 여기가 구현 된 value_counts 방법에 키워드 인수를가합니다 :

import pandas as pd
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})
for col in df:
    print df[col].value_counts(dropna=False)

2     1
 1     1
NaN    1
dtype: int64
NaN    2
 1     1
dtype: int64

팬더 열에서 난 값을 계산하는 것이 빠른 방법이라면

import pandas as pd
## df1 as an example data frame 
## col1 name of column for which you want to calculate the nan values
sum(pd.isnull(df1['col1']))

Jupyter Notebook을 사용하는 경우 어떻습니까 ....

 %%timeit
 df.isnull().any().any()

또는

 %timeit 
 df.isnull().values.sum()

또는 데이터의 NaN이 어디에 있습니까?

 df.isnull().any()

아래는 모든 Nan 열을 내림차순으로 인쇄합니다.

df.isnull().sum().sort_values(ascending = False)

또는

아래는 첫 15 Nan 열을 내림차순으로 인쇄합니다.

df.isnull().sum().sort_values(ascending = False).head(15)

import numpy as np
import pandas as pd

raw_data = {'first_name': ['Jason', np.nan, 'Tina', 'Jake', 'Amy'], 
        'last_name': ['Miller', np.nan, np.nan, 'Milner', 'Cooze'], 
        'age': [22, np.nan, 23, 24, 25], 
        'sex': ['m', np.nan, 'f', 'm', 'f'], 
        'Test1_Score': [4, np.nan, 0, 0, 0],
        'Test2_Score': [25, np.nan, np.nan, 0, 0]}
results = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age', 'sex', 'Test1_Score', 'Test2_Score'])

results 
'''
  first_name last_name   age  sex  Test1_Score  Test2_Score
0      Jason    Miller  22.0    m          4.0         25.0
1        NaN       NaN   NaN  NaN          NaN          NaN
2       Tina       NaN  23.0    f          0.0          NaN
3       Jake    Milner  24.0    m          0.0          0.0
4        Amy     Cooze  25.0    f          0.0          0.0
'''

다음 기능을 사용하면 Dataframe에서 출력 할 수 있습니다

• 제로 값
• 결 측값
• 총 가치의 %
• 총 제로 결 측값
• 총 제로 결 측값 %
• 데이터 형식

다음 함수를 복사하여 붙여 넣기 만하면 팬더 데이터 프레임을 전달하여 호출합니다.

def missing_zero_values_table(df):
        zero_val = (df == 0.00).astype(int).sum(axis=0)
        mis_val = df.isnull().sum()
        mis_val_percent = 100 * df.isnull().sum() / len(df)
        mz_table = pd.concat([zero_val, mis_val, mis_val_percent], axis=1)
        mz_table = mz_table.rename(
        columns = {0 : 'Zero Values', 1 : 'Missing Values', 2 : '% of Total Values'})
        mz_table['Total Zero Missing Values'] = mz_table['Zero Values'] + mz_table['Missing Values']
        mz_table['% Total Zero Missing Values'] = 100 * mz_table['Total Zero Missing Values'] / len(df)
        mz_table['Data Type'] = df.dtypes
        mz_table = mz_table[
            mz_table.iloc[:,1] != 0].sort_values(
        '% of Total Values', ascending=False).round(1)
        print ("Your selected dataframe has " + str(df.shape[1]) + " columns and " + str(df.shape[0]) + " Rows.\n"      
            "There are " + str(mz_table.shape[0]) +
              " columns that have missing values.")
#         mz_table.to_excel('D:/sampledata/missing_and_zero_values.xlsx', freeze_panes=(1,0), index = False)
        return mz_table

missing_zero_values_table(results)

산출

Your selected dataframe has 6 columns and 5 Rows.
There are 6 columns that have missing values.

             Zero Values  Missing Values  % of Total Values  Total Zero Missing Values  % Total Zero Missing Values Data Type
last_name              0               2               40.0                          2                         40.0    object
Test2_Score            2               2               40.0                          4                         80.0   float64
first_name             0               1               20.0                          1                         20.0    object
age                    0               1               20.0                          1                         20.0   float64
sex                    0               1               20.0                          1                         20.0    object
Test1_Score            3               1               20.0                          4                         80.0   float64

간단하게 유지하려면 다음 함수를 사용하여 누락 된 값을 %로 얻을 수 있습니다

def missing(dff):
    print (round((dff.isnull().sum() * 100/ len(dff)),2).sort_values(ascending=False))


missing(results)
'''
Test2_Score    40.0
last_name      40.0
Test1_Score    20.0
sex            20.0
age            20.0
first_name     20.0
dtype: float64
'''

0을 세려면

df[df == 0].count(axis=0)

NaN을 계산하려면 :

df.isnull().sum()

또는

df.isna().sum()

value_counts 방법을 사용하고 np.nan의 값을 인쇄 할 수 있습니다

s.value_counts(dropna = False)[np.nan]

특정 열 수에 대해 아래에서 사용하십시오

dataframe.columnName.isnull().sum()

df1.isnull().sum()

이것은 트릭을 할 것입니다.

다음은 Null열을 현명하게 계산하는 코드입니다 .

df.isna().sum()

2017 년 7 월부터 NaN 값을 요약하는 다양한 방법을 자세히 설명하는 멋진 Dzone 기사가 있습니다. 확인 해봐여기서 하십시오 .

내가 인용 한 기사는 다음과 같은 방법으로 추가 값을 제공합니다. 선택적으로 폐기되거나 대치 될 수 있도록 NaN을 갖는 특정.

다음은 접근 방식의 유틸리티를 보여주는 간단한 예입니다. 열이 몇 개 밖에 없기 때문에 유용성이 명확하지 않지만 더 큰 데이터 프레임에 도움이되는 것으로 나타났습니다.

import pandas as pd
import numpy as np

# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

# Check whether there are null values in columns
null_columns = df.columns[df.isnull().any()]
print(df[null_columns].isnull().sum())

# One can follow along further per the cited article

NaN을 계산하기 위해 아직 제안되지 않은 다른 간단한 옵션은 NaN이있는 행 수를 반환하는 모양을 추가하는 것입니다.

df[df['col_name'].isnull()]['col_name'].shape

df.isnull (). sum ()은 열 단위의 결 측값 합계를 제공합니다.

특정 열에서 누락 된 값의 합계를 알고 싶다면 다음 코드가 작동합니다. df.column.isnull (). sum ()

주어진 답변과 일부 개선 사항을 기반으로 이것은 내 접근 방식입니다.

def PercentageMissin(Dataset):
    """this function will return the percentage of missing values in a dataset """
    if isinstance(Dataset,pd.DataFrame):
        adict={} #a dictionary conatin keys columns names and values percentage of missin value in the columns
        for col in Dataset.columns:
            adict[col]=(np.count_nonzero(Dataset[col].isnull())*100)/len(Dataset[col])
        return pd.DataFrame(adict,index=['% of missing'],columns=adict.keys())
    else:
        raise TypeError("can only be used with panda dataframe")

그룹별로 뽑은 다른 그룹에서 비 NA (Non-None) 및 NA (None) 카운트를 가져와야하는 경우 :

gdf = df.groupby(['ColumnToGroupBy'])

def countna(x):
    return (x.isna()).sum()

gdf.agg(['count', countna, 'size'])

비 NA, NA 및 그룹당 총 항목 수를 반환합니다.

내 코드에서 @sushmit이 제안한 솔루션을 사용했습니다.

동일한 변형이있을 수도 있습니다

colNullCnt = []
for z in range(len(df1.cols)):
    colNullCnt.append([df1.cols[z], sum(pd.isnull(trainPd[df1.cols[z]]))])

이것의 장점은 이후 df의 각 열에 대한 결과를 반환한다는 것입니다.

import pandas as pd
import numpy as np

# example DataFrame
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan]})

# count the NaNs in a column
num_nan_a = df.loc[ (pd.isna(df['a'])) , 'a' ].shape[0]
num_nan_b = df.loc[ (pd.isna(df['b'])) , 'b' ].shape[0]

# summarize the num_nan_b
print(df)
print(' ')
print(f"There are {num_nan_a} NaNs in column a")
print(f"There are {num_nan_b} NaNs in column b")

출력으로 제공합니다.

     a    b
0  1.0  NaN
1  2.0  1.0
2  NaN  NaN

There are 1 NaNs in column a
There are 2 NaNs in column b

reviews라고하는 데이터 프레임에서 가격으로 알려진 열 (계열)에서 결 측값 (NaN)의 수를 얻으려고한다고 가정합니다.

#import the dataframe
import pandas as pd

reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)

변수로 n_missing_prices를 사용하여 결 측값을 얻으려면 다음을 수행하십시오.

n_missing_prices = sum(reviews.price.isnull())
print(n_missing_prices)

sum은 여기서 중요한 방법이며, sum 이이 맥락에서 사용하기에 적합한 방법임을 깨 달기 전에 count를 사용하려고했습니다.

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.count.html#pandas.Series.count

pandas.Series.count
Series.count(level=None)[source]

시리즈에서 비 NA / 널 관찰 수 반환

작업을 위해 pandas.DataFrame.dropna ( https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.dropna.html )를 사용할 수 있습니다 .

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [1, 2, 3, 4, np.nan],
                   'b': [1, 2, np.nan, 4, np.nan],
                   'c': [np.nan, 2, np.nan, 4, np.nan]})
df = df.dropna(axis='columns', thresh=3)

print(df)

Whith thresh 매개 변수를 사용하면 DataFrame의 모든 열에 대한 NaN 값의 최대 개수를 선언 할 수 있습니다.

코드 출력 :

     a    b
0  1.0  1.0
1  2.0  2.0
2  3.0  NaN
3  4.0  4.0
4  NaN  NaN