python金融分析小知识

Hello 大家好，我是一名新来的金融领域打工人，日常分享一些python知识，都是自己在学习生活中遇到的一些问题，分享给大家，希望对大家有一定的帮助！

在平时的数据分析当中，我们会经常遇到读入的数据存在空值的情况，面对庞大的数据量，我们不可能一个一个地去找空值，那么有没有比较方便的办法能够让我们快速找到DataFrame中的空值呢？答案是有的

下面我通过举例子来说明：

首先我们构建一个包含空值的DataFrame，代码如下：

import pandas as pd 
import numpy as np
df = pd.DataFrame({
    "身高":[170,171,167,189,np.nan],
    "体重":[65,66,68,np.nan,np.nan],
    "视力":[4.0,3.8,5.0,np.nan,np.nan]
})

让我们打印一下这个DataFrame，得到结果：

	身高	体重	视力
0	170.0	65.0	4.0
1	171.0	66.0	3.8
2	167.0	68.0	5.0
3	189.0	NaN	    NaN
4	NaN	    NaN	    NaN

我们可以很明显地看到空值NaN的存在，下面我们通过几种方式来查看空值：

---

1.通过bool值结果来查看空值

df.isnull()
# 或者
df.isna()

#或者
np.isnan(df)

 这两行代码的结果是一样的，我们基本可以说isnull()和isna()在使用中是等效的，得到的结果如下，其中False代表不是空值，True代表是空值：

    身高	体重	视力
0	False	False	False
1	False	False	False
2	False	False	False
3	False	True	True
4	True	True	True

2.统计每一列空值的个数

df.isnull().sum()
# 或者
df.isna().sum()

# 或者
np.isnan(df).sum()

 返回的结果是每一列空值的数量，结果如下，即身高列有1个空值，体重和视力列各有两个空值：

身高    1
体重    2
视力    2
dtype: int64

3.只统计一列的空值个数

如果你只想得到一列数据中的空值的数量，那么你可以通过以下的代码来实现：

df['身高'].isnull().sum()
# 或者
df['身高'].isna().sum()

# 或者
np.isnan(df['身高']).sum()

 返回的结果如下，也就是说身高列有1个空值：

1

4.查看某列含有空值所在的整行

df[df['体重'].isnull()]
# 或者
df[df['体重'].isna()] 

#或者
df[np.isnan(df['体重'])]

 打印结果如下：

    身高	体重	视力
3	189.0	NaN	    NaN
4	NaN	    NaN	    NaN

5.查看整个DataFrame中有空值的行

df[df.isnull().any(axis=1)]  ##axis=1代表水平方向，axis=0代表竖向
# 或者
df[df.isna().any(axis=1)]

#或者
df[np.isnan(df).any(axis=1)]

 打印结果如下：

    身高	体重	视力
3	189.0	NaN	    NaN
4	NaN	    NaN	    NaN

总结：在查看空值的时候有三种方法可以实现也就是isnull()、isna()以及np.isnan()，这三种方法可以说是等效的，大家可以结合不同的目的来选取自己喜欢的一种来使用就行！

今天的文章就分享到这里啦！