在咱们日常接触到的Python中，广义的缺失值个别指DataFrame中的NaN。狭义的话，能够分为三种。
- 缺失值：在Pandas中的缺失值有三种：np.nan (Not a Number) 、 None 和 pd.NaT(工夫格局的空值，留神大小写不能错)
- 空值：空值在Pandas中指的是空字符串””；
- 最初一类是导入的Excel等文件中，本来用于示意缺失值的字符“-”、“？”等。
明天聊聊Python中查问缺失值的4种办法。
缺失值 NaN ①
在Pandas中查问缺失值，最罕用的⽅法就是isnull()，返回True示意此处为缺失值。
咱们能够将其与any()⽅法搭配应用来查问存在缺失值的行，也能够与sum()⽅法搭配应用来查问存在缺失值的列。
isnull()：对于缺失值，返回True；对于⾮缺失值，返回False。any()：⼀个序列中有⼀个True，则返回True，否则返回False。sum()：对序列进行求和计算。
在交互式环境中输出如下命令：
df.isnull()
输入：
在交互式环境中输出如下命令：
df.isnull().any(axis=1)
输入：
在交互式环境中输出如下命令：
df.isnull().sum()
输入：
注：isna()和isnull()的用法是雷同的，这里不再演示。
缺失值 NaN ②
因为在Pandas中isnull()办法返回True示意此处为缺失值，所以咱们能够对数据集进行切片也可实现找到缺失值。
在交互式环境中输出如下命令：
df[df.isnull().values==True]
输入：
留神：如果某行有多个值是空值，则会反复次数呈现，所以咱们能够利用
df[df.isnull().values==True].drop_duplicates()来去重。
另外，notnull()办法是与isnull()绝对应的，应用它能够间接查问非缺失值的数据行。
df[df["A列"].notnull()]
输入：
空值
空值在Pandas中指的是空字符串””，咱们同样能够对数据集进行切片找到空值。
在交互式环境中输出如下命令：
df[df["B列"] == ""]
输入：
此外，也能够利用空值与正常值的区别来辨别两者，比方isnumeric()办法检测字符串是否只由数字组成。
在交互式环境中输出如下命令：
df[df["B列"].str.isnumeric() == False ]
输入：
如上所示，同样查问到了数据集中的空值。
字符“-”、“？”等
很多时候，咱们要解决的是本地的历史数据文件，在这些Excel中往往并不标准，比方它们有可能会应用“*”、“？”、“—”、“！”等等字符来示意缺失值。
对于这类文本，咱们能够应用正则表达式来匹配缺失值。
import re
df[df["C列"].apply(lambda x: len(re.findall('NA|[*|?|!|#|-]', x)) != 0)]
输入：
如上所示，我自定义了匿名函数lambda，作用是在文本列的每一行中查找以下文本值：“NA”、“*”、“？” 、“！” 、“#”、“-”，并查看它找到的列表的长度。如果列表不为零，则示意找到了代表缺失值的字符，因而该行中至多有一个缺失值。
df[df["D列"].apply(lambda x: len(re.findall('NA|[*|?|!|#|-]', x)) != 0)]
输入：
咱们能够对不同列都进行同样的缺失值查问，另外也能够依据本人的理论状况，替换正则表达式中代表缺失值的字符。
以上就是本次分享的所有内容，想要理解更多 Python 常识欢送返回公众号：搞代码网，每日干货分享，发送“J”还可支付大量学习材料。
转载请注明原文链接：Python中查询缺失值的4种方法
