当前位置：首页 > ops >正文

【Pandas】pandas DataFrame isna

ops 2025/6/22 5:03:39

Pandas2.2 DataFrame

Missing data handling

方法	描述
DataFrame.fillna([value, method, axis, …])	用于填充 DataFrame 中的缺失值（NaN）
DataFrame.backfill(*[, axis, inplace, …])	用于使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）的方法
DataFrame.bfill(*[, axis, inplace, limit, …])	用于使用后向填充（即“下一个有效观测值”）来填补缺失值（NaN）的方法
DataFrame.dropna(*[, axis, how, thresh, …])	用于删除包含缺失值（NaN）的行或列的方法
DataFrame.ffill(*[, axis, inplace, limit, …])	用于使用前向填充（即“前一个有效观测值”）来填补缺失值（NaN）的方法
DataFrame.interpolate([method, axis, limit, …])	用于对缺失值（NaN）进行插值填充的方法
DataFrame.isna()	用于检测 DataFrame 中缺失值（NaN）的位置的方法

`pandas.DataFrame.isna()`

pandas.DataFrame.isna() 是一个用于检测 DataFrame 中缺失值（NaN）的位置的方法。它返回一个新的布尔型 DataFrame，其中每个元素表示对应位置的值是否为 NaN。

📌 方法签名

DataFrame.isna()

✅ 返回值

返回一个与原 DataFrame 形状相同的布尔型 DataFrame；
若某个位置是 NaN，则对应位置为 True；
否则为 False。

该方法不会修改原始数据。

❌ 注意事项

isna() 不支持参数；
它仅用于检测 NaN，不识别 None 或其他空值（如空字符串、0 等）；
可以结合 isnull() 使用（二者完全等价）；
常用于统计缺失值数量或定位缺失值位置。

🧪 示例代码及结果

示例 1：基本用法

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [1, np.nan, 3],'B': [np.nan, 2, np.nan],'C': [5, 6, 7]
})print("Original DataFrame:")
print(df)# 检测 NaN 位置
df_isna = df.isna()
print("\nAfter isna():")
print(df_isna)

输出结果：

Original DataFrame:A    B  C
0  1.0  NaN  5
1  NaN  2.0  6
2  3.0  NaN  7After isna():A      B      C
0  False   True  False
1   True  False  False
2  False   True  False

示例 2：统计每列的缺失值数量

# 统计每列 NaN 的数量
nan_count = df.isna().sum()
print("\nMissing value count per column:")
print(nan_count)

输出结果：

Missing value count per column:
A    1
B    2
C    0
dtype: int64

示例 3：统计整个 DataFrame 中的缺失值总数

total_nan = df.isna().sum().sum()
print(f"\nTotal missing values: {total_nan}")

输出结果：

Total missing values: 3

示例 4：筛选出包含缺失值的行

# 筛选至少有一个 NaN 的行
rows_with_nan = df[df.isna().any(axis=1)]
print("\nRows with any NaN:")
print(rows_with_nan)

输出结果：

Rows with any NaN:A    B  C
0  1.0  NaN  5
1  NaN  2.0  6
2  3.0  NaN  7

🧠 应用场景

场景	说明
查看缺失情况	快速了解哪些位置存在缺失值
统计缺失比例	结合 `sum()` 和 `len()` 计算缺失比例
过滤含缺失值的行/列	使用 `df.isna().any()` 配合布尔索引
可视化前的数据检查	在绘图前确保无缺失值影响图表
预处理流程的一部分	作为填充或删除缺失值前的判断依据