Pandas 广泛的“描述”包括计算空值

使用Pandas进行数据分析是数据科学领域中常见的任务之一。Pandas是一个强大的Python库，提供了高效处理和分析数据的工具。其中，描述性统计是Pandas库中一个重要的功能，它可以帮助我们快速了解数据集的基本情况，包括计算空值。

python
import pandas as pd
# 创建一个包含空值的数据集
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)
# 计算每列的空值数量
null_counts = df.isnull().sum()
# 打印结果
print(null_counts)

A    1
B    2
C    5
dtype: int64

python
import pandas as pd
# 创建一个包含空值的数据集
data = {'A': [1, 2, None, 4, 5],
        'B': [None, 2, 3, 4, None],
        'C': [None, None, None, None, None]}
df = pd.DataFrame(data)
# 删除包含空值的行
df_without_na_rows = df.dropna()
# 删除包含空值的列
df_without_na_cols = df.dropna(axis=1)
# 用指定值填充空值
df_filled = df.fillna(0)
# 打印结果
print("删除包含空值的行：")
print(df_without_na_rows)
print("删除包含空值的列：")
print(df_without_na_cols)
print("用指定值填充空值：")
print(df_filled)

删除包含空值的行：
     A    B   C
1  2.0  2.0 NaN
删除包含空值的列：
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3, 4]
用指定值填充空值：
     A    B    C
0  1.0  0.0  0.0
1  2.0  2.0  0.0
2  0.0  3.0  0.0
3  4.0  4.0  0.0
4  5.0  0.0  0.0