{"id":3857,"date":"2023-07-15T03:28:54","date_gmt":"2023-07-15T03:28:54","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-saugen-nicht\/"},"modified":"2023-07-15T03:28:54","modified_gmt":"2023-07-15T03:28:54","slug":"pandas-saugen-nicht","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-saugen-nicht\/","title":{"rendered":"Wie verwende ich \u201eist nicht null\u201c? in pandas (mit beispielen)"},"content":{"rendered":"

<\/p>\n

\n

Sie k\u00f6nnen die Funktion pandas notnull()<\/strong> verwenden, um zu testen, ob die Elemente eines pandas DataFrame null sind oder nicht.<\/span><\/p>\n

Wenn ein Element gleich NaN oder None ist, gibt die Funktion False<\/strong> zur\u00fcck.<\/span><\/p>\n

Andernfalls gibt die Funktion True<\/strong> zur\u00fcck.<\/span><\/p>\n

Hier sind einige g\u00e4ngige M\u00f6glichkeiten, diese Funktion in der Praxis zu verwenden:<\/span><\/p>\n

Methode 1: Zeilen ohne Nullwerte in einer Spalte filtern<\/strong><\/span><\/p>\n

 df[df. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n<\/strong><\/pre>\n
 Methode 2: Zeilen ohne Nullwerte in einer bestimmten Spalte filtern<\/strong><\/span><\/p>\n
 df[df[[' this_column<\/span> ']]. notnull<\/span> (). all<\/span> ( 1<\/span> )]<\/strong><\/pre>\n
 Methode 3: Z\u00e4hlen Sie die Anzahl der Werte ungleich Null in jeder Spalte<\/strong><\/span><\/p>\n
 df. notnull<\/span> (). sum<\/span> ()<\/strong><\/pre>\n
 Methode 4: Z\u00e4hlen Sie die Anzahl der Werte ungleich Null im gesamten DataFrame<\/strong><\/span><\/p>\n
 df. notnull<\/span> (). sum<\/span> (). sum<\/span> ()<\/strong><\/pre>\n
 Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n                   ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, np.nan],\n                   ' assists<\/span> ': [5, np.nan, 7, 9, 12, 9, 9, np.nan],\n                   ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, np.nan, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  team points assists rebounds\n0 A 18.0 5.0 11.0\n1 B 22.0 NaN 8.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 NaN\n7 H NaN NaN 12.0\n<\/strong><\/pre>\n
 Beispiel 1: Zeilen ohne Nullwerte in einer Spalte filtern<\/strong><\/span><\/h2>\n
 Der folgende Code zeigt, wie der DataFrame so gefiltert wird, dass in einer Spalte nur Zeilen ohne Nullwerte angezeigt werden:<\/span><\/p>\n
 #filter for rows with no null values in any column\n<\/span>df[df. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n\n\n        team points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0<\/span><\/span><\/strong><\/pre>\n
 Beachten Sie, dass jede der Zeilen in diesem gefilterten DataFrame in keiner Spalte Nullwerte aufweist.<\/span><\/p>\n
 Beispiel 2: Zeilen ohne Nullwerte in einer bestimmten Spalte filtern<\/strong><\/span><\/h2>\n
 Der folgende Code zeigt, wie der DataFrame so gefiltert wird, dass in der Hilfsspalte<\/strong> nur Zeilen ohne Nullwerte angezeigt werden:<\/span><\/p>\n
 #filter for rows with no null values in the 'assists' column\n<\/span>df[df[[' assists<\/span> ']]. notnull<\/span> (). all<\/span> ( 1<\/span> )]\n\n\tteam points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 9.0 5.0\n6G 20.0 9.0 NaN<\/span><\/span><\/strong><\/pre>\n
 Beachten Sie, dass jede der Zeilen in diesem gefilterten DataFrame keine Nullwerte in der Helper-<\/strong> Spalte hat.<\/span><\/p>\n
 Beispiel 3: Z\u00e4hlen Sie die Anzahl der Werte ungleich Null in jeder Spalte<\/strong><\/span><\/h2>\n
 Der folgende Code zeigt, wie die Anzahl der Nicht-Null-Werte in jeder Spalte des DataFrame gez\u00e4hlt wird:<\/span><\/p>\n
 #count number of non-null values in each column<\/span>\ndf. notnull<\/span> (). sum<\/span> ()\n\nteam 8\npoints 7\nassists 6\nrebounds 7\ndtype: int64\n<\/span><\/span><\/strong><\/pre>\n
 Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/span><\/p>\n