如何计算Pandas数据框中每一行的缺失值数量？

如何获取Pandas数据框中每一行的缺失值数量。我想将数据框拆分为不同的数据框，每行中缺失值的数量相同。

有什么建议吗？

您可以像这样对行进行计数：

test_df.apply(lambda x: x.count(), axis=1)

test_df：

    A   B   C
0:  1   1   3
1:  2   nan nan
2:  nan nan nan

输出：

0:  3
1:  1
2:  0

您可以将结果添加为这样的列：

test_df['full_count'] = test_df.apply(lambda x: x.count(), axis=1)

结果：

    A   B   C   full_count
0:  1   1   3   3
1:  2   nan nan 1
2:  nan nan nan 0

当使用熊猫，尽量避免在一个循环中，包括执行操作apply，map，applymap等等。这是慢！

如果要计算每列中的缺失值，请尝试：

df.isnull().sum() 要么 df.isnull().sum(axis=0)

另一方面，您可以通过以下方式在每一行中计数（这是您的问题）：

df.isnull().sum(axis=1)

它大约比Jan Van der Vegt的解决方案快10倍（顺便说一句，他计算有效值，而不是缺失值）：

In [18]: %timeit -n 1000 df.apply(lambda x: x.count(), axis=1)
1000 loops, best of 3: 3.31 ms per loop

In [19]: %timeit -n 1000 df.isnull().sum(axis=1)
1000 loops, best of 3: 329 µs per loop

简易方式：

df.isnull().sum(axis=1)

或者，您可以简单地对数据框对象使用info方法：

df.info()

它为每列提供非空值的计数。

列中的空值，

df.isnull().sum(axis=0)

列中的空白值，

c = (df == '').sum(axis=0)

行中的值为空，

df.isnull().sum(axis=1)

行中的空白值，

c = (df == '').sum(axis=1)

此代码段将返回缺少值的列总数的整数值：

(df.isnull().sum() > 0).astype(np.int64).sum()

>>> df = pd.DataFrame([[1, 2, np.nan],
...                    [np.nan, 3, 4],
...                    [1, 2,      3]])

>>> df
    0  1   2
0   1  2 NaN
1 NaN  3   4
2   1  2   3

>>> df.count(axis=1)
0    2
1    2
2    3
dtype: int64

如果要计算缺失值：

np.logical_not(df.isnull()).sum()