para - ¿Cómo obtengo un recuento resumido de datos faltantes/NaN por columna en ''pandas''?

como hacer tablas en jupyter notebook

Question

En R puedo ver rápidamente un recuento de datos faltantes con el comando de summary , pero el método de DataFrame de pandas equivalente, describe no informa estos valores.

Supongo que puedo hacer algo como

len(mydata.index) - mydata.count()

para calcular el número de valores faltantes para cada columna, pero me pregunto si hay un mejor idioma (o si mi enfoque es correcto).

Answer 1

Aún no puedo hacer comentarios, pero para agregar a la respuesta de Jeff, pero si no te importó qué columnas tenían la de Nan y solo querías verificar en general, solo agrega una segunda .sum () para obtener un solo valor.

result = df.isnull().sum().sum()
result > 0

una Serie solo necesitaría una .sum () y un Panel () necesitaría tres

Answer 2

Como una pequeña adición, para obtener el porcentaje faltante en la columna DataFrame, la combinación de las respuestas de @Jeff y @ userS anteriores le permite:

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

Answer 3

Este no es un resumen completo, pero le dará una idea rápida de sus datos a nivel de columna

def getPctMissing(series):
    num = series.isnull().sum()
    den = series.count()
    return 100*(num/den)

Answer 4

Tanto la describe como la info informan el recuento de valores no perdidos.

In [1]: df = DataFrame(np.random.randn(10,2))

In [2]: df.iloc[3:6,0] = np.nan

In [3]: df
Out[3]: 
          0         1
0 -0.560342  1.862640
1 -1.237742  0.596384
2  0.603539 -1.561594
3       NaN  3.018954
4       NaN -0.046759
5       NaN  0.480158
6  0.113200 -0.911159
7  0.990895  0.612990
8  0.668534 -0.701769
9 -0.607247 -0.489427

[10 rows x 2 columns]

In [4]: df.describe()
Out[4]: 
              0          1
count  7.000000  10.000000
mean  -0.004166   0.286042
std    0.818586   1.363422
min   -1.237742  -1.561594
25%   -0.583795  -0.648684
50%    0.113200   0.216699
75%    0.636036   0.608839
max    0.990895   3.018954

[8 rows x 2 columns]


In [5]: df.info()
<class ''pandas.core.frame.DataFrame''>
Int64Index: 10 entries, 0 to 9
Data columns (total 2 columns):
0    7 non-null float64
1    10 non-null float64
dtypes: float64(2)

Para obtener un recuento de desaparecidos, su solución es correcta.

In [20]: len(df.index)-df.count()
Out[20]: 
0    3
1    0
dtype: int64

Podrías hacer esto también

In [23]: df.isnull().sum()
Out[23]: 
0    3
1    0
dtype: int64