Python pandas库中的isnull()详解
发布时间：2026-10-13| 5人浏览过
本文详细介绍Python pandas库中isnull()函数的使用方法。通过创建包含缺失值的DataFrame，演示isnull()如何返回布尔值矩阵以标识缺失位置。进一步结合any()和sum()方法，展示如何快速判断哪些列包含缺失值并统计每列缺失值的数量，帮助开发者高效处理数据清洗工作。
问题描述与isnull()基础用法
问题描述
在Python的pandas库中，isnull()是一个非常有用的函数，主要用于识别数据中的缺失值。接下来，我们将通过几个具体的示例来学习它的具体用法。
首先，我们需要构建一个包含部分缺失数据的DataFrame对象。
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(10,99,size=(10,5)))
df.iloc[4:6,0] = np.nan
df.iloc[5:7,2] = np.nan
df.iloc[7,3] = np.nan
df.iloc[2:3,4] = np.nan生成的数据表结果如下所示。
0 1 2 3 4
0 63.0 89 58.0 94.0 10.0
1 44.0 77 66.0 54.0 14.0
2 25.0 41 93.0 56.0 NaN
3 43.0 26 27.0 53.0 44.0
4 NaN 98 45.0 32.0 45.0
5 NaN 28 NaN 72.0 10.0
6 69.0 92 NaN 24.0 61.0
7 51.0 22 35.0 NaN 72.0
8 83.0 32 93.0 62.0 25.0
9 48.0 54 83.0 30.0 79.0接下来，我们运行isnull()函数，观察其输出结果。
df.isnull()
0 1 2 3 4
0 False False False False False
1 False False False False False
2 False False False False True
3 False False False False False
4 True False False False False
5 True False True False False
6 False False True False False
7 False False False True False
8 False False False False False
9 False False False False False从结果可以看出，程序返回了一个布尔值矩阵：如果某个位置存在缺失值，则对应位置返回True；如果数据完整，则返回False。
isnull()结合any()与sum()的高级应用
其他相关操作
单独使用isnull()虽然能标识缺失位置，但结果较为直观，难以直接反映缺失值的整体分布情况。
为了更清晰地获取缺失值信息，我们可以结合其他pandas命令进行进一步分析。
df.isnull().any()
0 True
1 False
2 True
3 True
4 True
dtype: bool可以看到，df.isnull().any()用于判断哪些列包含缺失值。如果某一列中存在至少一个缺失值，该列返回True；否则返回False。
df.isnull().sum()
0 2
1 0
2 2
3 1
4 1
dtype: int64而isnull().sum()则更加直观，它直接统计并显示了每一列中缺失值的具体数量。
以上就是关于Python pandas库中isnull()函数的详细介绍，希望能为大家提供有益的参考。欢迎大家继续支持本站，获取更多技术内容。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
