在我们每天接触的Python中，狭义的缺失值一般是指DataFrame中的NaN。从广义上讲，它可以分为三种类型。缺失值：Pandas中存在三种缺失值：np.nan（NotaNumber）、None和pd.NaT（时间格式的空值，注意大小写）空值：空值是指Pandas中的null字符串"";最后一类是字符“-”、“？”等，原来在导入的Excel等文件中用来表示缺失值。今天就来说说Python中查询缺失值的4种方式。缺失值NaN①Pandas中查询缺失值最常用的方法是isnull()，返回True表示这是一个缺失值。我们可以将它与any()方法一起使用来查询具有缺失值的行，或者与sum()方法一起使用来查询具有缺失值的列。isnull()：缺失值返回True，非缺失值返回False。any()：如果序列中存在True，则返回True，否则返回False。sum()：计算序列的和。在交互环境中输入以下命令：df.isnull()输出：在交互环境中输入以下命令：df.isnull().any(axis=1)输出：在交互环境中输入以下命令：df.isnull().any(axis=1)isnull().sum()输出：注意：isna()和isnull()的用法是一样的，这里不再演示。缺失值NaN②由于Pandas中的isnull()方法返回True表示这是一个缺失值，所以我们可以对数据集进行切片，寻找缺失值。在交互环境中输入以下命令：df[df.isnull().values==True]输出：注意：如果一行中有多个值是空值，它们会重复出现，所以我们可以使用df[df.isnull().values==True].drop_duplicates()删除重复项。另外notnull()方法对应isnull()，可以直接查询非缺失值的数据行。df[df["A列"].notnull()]输出：空值。Null值是指Pandas中的空字符串""。我们还可以对数据集进行切片以找到空值。在交互环境中输入如下命令：df[df["B列"]==""]输出：另外，空值和正常值的区别也可以用来区分两者，比如作为isnumeric()方法来检测字符串是否仅由数字组成。在交互式环境中输入以下命令：df[df["B列"].str.isnumeric()==False]输出：如上所示，也查询到了数据集中的空值。字符“-”、“?”等。很多时候，我们要处理本地的历史数据文件，这些Excel中往往不规范，比如可能会使用“*”、“?”、“—”，“！”和其他字符来指示缺失值。对于这种类型的文本，我们可以使用正则表达式来匹配缺失值。importredf[df["Ccolumn"].apply(lambdax:len(re.findall('NA|[*|?|!|#|-]',x))!=0)]输出：同上如图，我自定义了匿名函数lambda，在text列的每一行中查找如下文本值：“NA”、“*”、“?”、“!”、“#”、“-”和检查它找到的列表的长度。如果列表非零，则表示找到了表示缺失值的字符，因此该行中至少有一个缺失值。df[df["columnD"].apply(lambdax:len(re.findall('NA|[*|?|!|#|-]',x))!=0)]输出：我们可以应用对不同的列执行相同的缺失值查询。另外，大家可以根据自己的实际情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全部内容。想了解更多Python知识，请前往公众号：Python编程学习圈，每日干货分享，送“J”，海量学习资料。
