pandas 统计某列非none个数|极客教程

pandas 统计某列非none个数

引言

在数据分析和处理的过程中，我们经常会遇到需要统计某一列中非None值的个数的需求。Pandas是一个强大的数据分析库，提供了许多方便的函数来处理和分析数据。在本文中，我们将讨论如何使用Pandas来统计某一列中非None值的个数，并给出一些实例代码和运行结果。

什么是Pandas？

Pandas是一个开源的数据分析和处理库，它提供了高性能、易用的数据结构和数据分析工具。Pandas的核心数据结构是DataFrame，它类似于表格或电子表格，可以存储和操作大量的数据。Pandas提供了各种功能强大的函数，用于数据的读取、清洗、转换和分析。

如何统计某一列非None值的个数？

使用Pandas统计某一列非None值的个数非常简单，我们只需要使用notnull函数来判断每个元素是否为非None值，并使用sum函数来计算非None值的个数。下面是一个示例代码：

import pandas as pd

# 创建DataFrame
data = {'Name': ['Alice', 'Bob', None, 'Charlie', 'David'],
        'Age': [25, 18, 32, None, 40]}

df = pd.DataFrame(data)

# 统计Age列非None值的个数
count = df['Age'].notnull().sum()

print('非None值的个数:', count)

运行结果如下所示：

非None值的个数: 4

从上面的示例代码和运行结果可以看出，只需要使用notnull函数判断每个元素是否为非None值，并使用sum函数计算非None值的个数即可。

处理缺失值

在实际的数据分析中，除了None值之外，还经常会遇到其他的缺失值，比如NaN或空字符串。Pandas提供了处理缺失值的函数，例如dropna函数可以删除包含缺失值的行或列，fillna函数可以填充缺失值等。在统计非None值的个数时，我们可以先处理缺失值，再使用notnull函数和sum函数进行计算。下面是一个示例代码：

import pandas as pd
import numpy as np

# 创建DataFrame
data = {'Name': ['Alice', 'Bob', np.nan, 'Charlie', 'David'],
        'Age': [25, 18, None, np.nan, 40]}

df = pd.DataFrame(data)

# 处理缺失值
df.dropna(inplace=True)

# 统计Age列非None值的个数
count = df['Age'].notnull().sum()

print('非None值的个数:', count)

运行结果如下所示：