pandas count() 非缺失值的数量

pandas 的 count() 方法用于计算 DataFrame 或 Series 中非缺失值的数量。这个方法对于了解数据的完整性和非空值的分布情况非常有用。

语法

DataFrame.count(axis=0, numeric_only=False)

None, NaN, NaT, pandas.NA 都会被认为是缺失值。

参数

1. axis: 可选。用于指定沿哪个轴计算非缺失值的数量。默认值为 0 或 'index'，即按列计算。如果设置为 1 或 'columns'，则按行计算。
2. numeric_only: 可选。布尔值，默认值为 False。如果为 True，则只计算数字类型的列。

返回值

返回一个 Series，其索引是被计算的 DataFrame 的列名（或行索引），值是每个列（或行）中非缺失值的数量。

使用场景

• 数据完整性检查: 检查每列（或每行）中非缺失值的数量，以了解数据的完整性。
• 数据清洗: 确定哪些列（或行）需要进一步处理或清洗。
• 统计分析: 计算非缺失值的数量，以便进行进一步的统计分析。

示例

假设有一个包含多个变量的数据集，我们希望计算每列中非缺失值的数量。

df = pd.DataFrame({"Person":
                   ["John", "Myla", "Lewis", "John", "Myla"],
                   "Age": [24., np.nan, 21., 33, 26],
                   "Single": [False, True, True, True, False]})
df
'''
   Person   Age  Single
0    John  24.0   False
1    Myla   NaN    True
2   Lewis  21.0    True
3    John  33.0    True
4    Myla  26.0   False
'''

# 请注意未计数的NA值：
df.count()
'''
Person    5
Age       4
Single    5
dtype: int64
'''

# 每行计数：
df.count(axis='columns')
'''
0    3
1    2
2    3
3    3
4    3
dtype: int64
'''

这些结果帮助我们理解数据的完整性和非缺失值的分布情况。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.count.html

更新时间：2024-08-08 08:20:16 标签：pandas python 缺失值 数量