python-3.x - 如何总结 Pandas 数据框中每行的缺失值

Question

我有一个数据框:

import pandas as pd

d = {
'Country': ["Austria", "Austria", "Belgium", "USA", "USA", "USA", "USA"], 
'Number2020': [15, None, 18, 20, 22, None,  30],
'Number2021': [20, 25, 18, None, None, None, 32],    
}

df = pd.DataFrame(data=d)
df

    Country   Number2020    Number2021
0   Austria   15.0          20.0
1   Austria   NaN           25.0
2   Belgium   18.0          18.0
3   USA       20.0          NaN
4   USA       22.0          NaN
5   USA       NaN           NaN
6   USA       30.0          32.0

我想总结每个国家的 nan 值。例如

    Country       Count_nans
    Austria       1
    
    USA           4

我已经过滤了数据框，只留下带有 nans 的行。

df_nan = df[df.Number2021.isna() | df.Number2020.isna()]

    Country   Number2020    Number2021
1   Austria   NaN           25.0
3   USA       20.0          NaN
4   USA       22.0          NaN
5   USA       NaN           NaN

所以它看起来像一个 groupby 操作？这个我试过了。

nasum2021 = df_nan['Number2021'].isna().sum()

df_nan['countNames2021'] = df_nan.groupby(['Number2021'])['Number2021'].transform('count').fillna(nasum2021)
df_nan

它给了我 1 nan 代表奥地利，但 3 代表美国，而它应该是 4。所以这是不对的。在我的真实数据框中，我有大约 10 年的时间和大约 30 个国家。谢谢!

Answer 1

处理所有没有Country的列的解决方案-先将其转换为索引，测试缺失值并聚合sum，最后求和列:

s = df.set_index('Country').isna().groupby('Country').sum().sum(axis=1)
print (s)
Country
Austria    1
Belgium    0
USA        4
dtype: int64

如果需要删除 0 值添加 boolean indexing :

s = s[s.ne(0)]