如何使用isnull和sum函数统计dataframe每行缺失值的数量

如何使用isnull和sum函数统计dataframe每行缺失值的数量

我们在处理数据时，经常会遇到空值。在pandas中，我们可以使用isnull函数来判断一个元素是否为空。而对于一个dataframe，我们可以使用isna函数来应用这个判断。如果一个元素为空，那么isnull/isna函数返回True，否则返回False。

在本文中，我们将介绍如何使用isna函数和sum函数来统计每一行包含的缺失值的数量。

首先，我们需要创建一个dataframe，例如：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, np.nan],
    'B': [3, np.nan, 5.0],
    'C': ['a', 'b', None]
})

这个dataframe包含了一些空值，我们就可以使用isna函数来判断哪些元素是空值：

>>> df.isna()
       A      B      C
0  False  False  False
1  False   True  False
2   True  False   True

接下来，我们可以使用sum函数来统计每一行包含的空值数量：

>>> df.isna().sum(axis=1)
0    0
1    1
2    2
dtype: int64

通过将axis参数设为1，我们可以按行进行求和操作。以上面的dataframe