在Dataframe的每一列中计算非NaN条目的数量 [英] Count number of non-NaN entries in every column of Dataframe

问题描述

我有一个非常大的DataFrame，我想知道是否有一个或两个内衬的方式来获取一个非NaN条目在DataFrame中的计数。我不想一次做这一列，因为我有近1000列。

  df1 = pd.DataFrame（[（1,2，无），（无，4，无）没有，7），（5，None，None）]，
 columns = ['a'，'b'，'d']，index = ['A'，'B'，'C' D']）
 
abd 
 A 1 2 NaN 
 B NaN 4 NaN 
 C 5 NaN 7 
 D 5 NaN NaN 
  

输出：

  a ：3 
b：2 
d：1 
  




解决方案

count（） 方法返回每列中非 NaN 值的数量：

 >>> df1.count（）
a 3 
b 2 
d 1​​ 
 dtype：int64 
  

同样， count（axis = 1）返回每个 NaN 中的值行。

I have a really big DataFrame and I was wondering if there was short (one or two liner) way to get the a count of non-NaN entries in a DataFrame. I don't want to do this one column at a time as I have close to 1000 columns.

df1 = pd.DataFrame([(1,2,None),(None,4,None),(5,None,7),(5,None,None)], 
                    columns=['a','b','d'], index = ['A', 'B','C','D'])

    a   b   d
A   1   2 NaN
B NaN   4 NaN
C   5 NaN   7
D   5 NaN NaN

Output:

a: 3
b: 2
d: 1

解决方案

The count() method returns the number of non-NaN values in each column:

>>> df1.count()
a    3
b    2
d    1
dtype: int64

Similarly, count(axis=1) returns the number of non-NaN values in each row.

这篇关于在Dataframe的每一列中计算非NaN条目的数量的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！