Come contare i valori mancanti in un pandas dataframe

Spesso potresti voler contare il numero di valori mancanti in un DataFrame panda.

Questo tutorial mostra diversi esempi su come contare i valori mancanti utilizzando il seguente DataFrame:

 import pandas as pd
import numpy as np

#create DataFrame with some missing values
df = pd.DataFrame({'a': [4, np.nan, np.nan, 7, 8, 12],
                   'b': [np.nan, 6, 8, 14, 29, np.nan],
                   'c': [11, 8, 10, 6, 6, np.nan]})

#view DataFrame
print (df)

      ABC
0 4.0 NaN 11.0
1 NaN 6.0 8.0
2 NaN 8.0 10.0
3 7.0 14.0 6.0
4 8.0 29.0 6.0
5 12.0 NaN NaN

Contare i valori mancanti totali nell’intero DataFrame

Il codice seguente mostra come calcolare il numero totale di valori mancanti nell’intero DataFrame:

 df. isnull (). sum (). sum ()

5

Questo ci dice che ci sono 5 valori mancanti in totale.

Contare i valori mancanti totali per colonna

Il codice seguente mostra come calcolare il numero totale di valori mancanti in ciascuna colonna del DataFrame:

 df. isnull (). sum ()

at 2
b 2
c 1

Questo ci dice:

• La colonna “a” ha 2 valori mancanti.
• La colonna “b” ha 2 valori mancanti.
• La colonna “c” ha 1 valore mancante.

Puoi anche visualizzare il numero di valori mancanti come percentuale dell’intera colonna:

 df. isnull (). sum ()/ len (df)* 100

a 33.333333
b 33.333333
c 16.666667

Questo ci dice:

• Manca il 33,33% dei valori della colonna “a”.
• Manca il 33,33% dei valori della colonna “b”.
• Manca il 16,67% dei valori della colonna “c”.

Contare i valori mancanti totali per riga

Il codice seguente mostra come calcolare il numero totale di valori mancanti in ogni riga del DataFrame:

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

0 1
1 1
2 1
30
4 0
5 2

Questo ci dice:

• La riga 1 ha 1 valore mancante.
• La riga 2 ha 1 valore mancante.
• La riga 3 ha 1 valore mancante.
• La riga 4 ha 0 valori mancanti.
• La riga 5 ha 0 valori mancanti.
• La riga 6 ha 2 valori mancanti.

Risorse addizionali

Come trovare valori univoci in più colonne in Pandas
Come creare una nuova colonna basata su una condizione in Pandas