相关导航
pandas 缺失值参与计算
看过来
《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。
缺失值参加各种计算会按什么逻辑进行呢？本文将介绍它在参与各种运算中的逻辑。
矩阵加法
以下是两个包含缺失值的数据之间的加法运算：
a
'''
one two
a NaN -0.282863
c NaN 1.212112
e 0.119209 -1.044236
f -2.104569 -0.494929
h -2.104569 -0.706771
'''
b
'''
one two three
a NaN -0.282863 -1.509059
c NaN 1.212112 -0.173215
e 0.119209 -1.044236 -0.861849
f -2.104569 -0.494929 1.071804
h NaN -0.706771 -1.039575
'''
a + b
'''
one three two
a NaN NaN -0.565727
c NaN NaN 2.424224
e 0.238417 NaN -2.088472
f -4.209138 NaN -0.989859
h NaN NaN -1.413542
'''
求和逻辑
计算逻辑如下：
- 如果使用 sum() 缺失值会被认为是 0
- cumsum() 和 cumprod() 将忽略 NA 值，但值会保留在序列中，可以使用 skipna=False 跳过。
df
'''
one two three
a NaN -0.282863 -1.509059
c NaN 1.212112 -0.173215
e 0.119209 -1.044236 -0.861849
f -2.104569 -0.494929 1.071804
h NaN -0.706771 -1.039575
'''
df['one'].sum()
# -1.9853605075978744
df.mean(1)
'''
a -0.895961
c 0.519449
e -0.595625
f -0.509232
h -0.873173
dtype: float64
'''
df.cumsum()
'''
one two three
a NaN -0.282863 -1.509059
c NaN 0.929249 -1.682273
e 0.119209 -0.114987 -2.544122
f -1.985361 -0.609917 -1.472318
h NaN -1.316688 -2.511893
'''
df.cumsum(skipna=False)
'''
one two three
a NaN -0.282863 -1.509059
c NaN 0.929249 -1.682273
e NaN -0.114987 -2.544122
f NaN -0.609917 -1.472318
h NaN -1.316688 -2.511893
'''
pd.Series([np.nan]).sum()
# 0.0
pd.Series([], dtype="float64").sum()
# 0.0
pd.Series([np.nan]).prod()
# 1.0
pd.Series([], dtype="float64").prod()
# 1.0
聚合
如果聚合分组的列里有空值，则会自动忽略这些值（就当它不存在）：
df
'''
one two three
a NaN -0.282863 -1.509059
c NaN 1.212112 -0.173215
e 0.119209 -1.044236 -0.861849
f -2.104569 -0.494929 1.071804
h NaN -0.706771 -1.039575
'''
df.groupby('one').mean()
'''
two three
one
-2.104569 -0.494929 1.071804
0.119209 -1.044236 -0.861849
'''
其他
- .count() 缺失值不计数
更新时间：2021-02-21 12:54:51 标签：pandas 缺失值 计算
