如何计算Pandas数据框架中某一列的NaN出现次数

数据框被划分为若干单元，这些单元可以存储属于某些数据结构的值，也可能包含缺失或不确定的值。pandas包包含各种内置函数，用于检查数据框架单元格中的值是否为不确定值，也用于对这些不确定值进行聚合。

方法一：在数据帧上使用内置的方法isna()和sum()。

函数isna()用于检测缺失/无值，并返回一个布尔数组，其长度等于应用该函数的数据框架元素，sum()方法用于计算这些缺失值的总数。

# importing necessary packages
import pandas as pd
import numpy as np
  
# creating data
data = [[1, "M", np.nan], [5, "A", 3.2], [
    np.nan, np.nan, 4.6], [1, "D", np.nan]]
  
# converting data to data frame
data_frame = pd.DataFrame(data, 
                          columns=["col1", "col2", "col3"])
  
# printing original data frame
print("\nOriginal Data Frame:")
print(data_frame)
  
# counting NaN values of col1
cnt = data_frame["col1"].isna().sum()
  
# printing count of NaN values
print("\nNan values in col1:", cnt)

输出:

方法#2：使用数据框架的长度

数据框任何特定列中所包含的数值的计数要减去dataframe的长度，也就是数据框中的行数。count()_方法给出了指定列中NaN值的总数，length(dataframe)给出了数据框的长度，即数据框中的总行数。

# importing necessary packages
import pandas as pd
import numpy as np
  
# creating data
data = [[1, "M", np.nan], [5, "A", 3.2],
        [np.nan, np.nan, 4.6], [1, "D", np.nan]]
  
# converting data to data frame
data_frame = pd.DataFrame(data, columns=["col1", "col2", "col3"])
  
# printing original data frame
print("\nOriginal Data Frame:")
print(data_frame)
  
# counting NaN values of col1
length = len(data_frame)
count_in_col3 = data_frame['col3'].count()
cnt = length - count_in_col3
  
# printing count of NaN values
print("\nNan in col3:", cnt)

输出: