python - pandas 重新定义 isnull 以忽略 'NA'

Question

作为数据分析练习的一部分，我正在将 Excel 工作表读入 Pandas 数据帧。

df = pd.ExcelFile('file.xlsx').parse(0)
nullcounts = df.isnull().sum().to_frame('null_records')

为我的数据框中的每个系列生成一个带有空计数的漂亮框架。但是如果字符串 'NA' 出现在一行数据中，我不希望 isnull 操作返回 True。

有没有一种简单的方法可以做到这一点，而无需为特定列/数据框硬编码规则？

编辑:我的源数据中的 NA 似乎在读入 pandas 时被忽略了，因为当我加载数据并进行视觉比较时，我看到 NaN 在 excel 中有 不适用。

Answer 1

如果使用read_excel可以使用参数 keep_default_na 和 na_values 定义将哪些值转换为 NaN:

df = pd.read_excel('file.xlsx')
print (df)
     a    b
0  NaN  NaN
1  3.0  6.0

nullcounts = df.isnull().sum().to_frame('null_records')
print (nullcounts)
   null_records
a             1
b             1

df = pd.read_excel('file.xlsx',keep_default_na=False,na_values=['NaN'])
print (df)
    a    b
0  NA  NaN
1   3  6.0

nullcounts = df.isnull().sum().to_frame('null_records')
print (nullcounts)
   null_records
a             0
b             1