在 Pandas 中，NaN 表示空或缺失值。在數據分析中，經常需要計算 DataFrame 中每列的 NaN 值出現的次數。本文將介紹如何使用 Pandas 計算 DataFrame 中每列的 NaN 值出現的次數。

了解 Pandas DataFrame 中的 NaN 值

Pandas 是一個開源數據分析工具。它提供了一個稱為“DataFrame”的數據結構，該結構類似于電子表格，可以用來存儲和操作二維數據。在 Pandas DataFrame 中，NaN 表示空或缺失值。在實際的數據分析中，會經常遇到缺失值的情況，因此我們需要計算 DataFrame 中每列的 NaN 值出現的次數。

計算 DataFrame 中每列的 NaN 值數量

計算 DataFrame 中每列的 NaN 值數量非常簡單。我們只需要使用 isna() 方法檢測 DataFrame 中的 NaN 值，并使用 sum() 方法計算每列中 NaN 值的數量。以下是示例代碼：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan],
                   'B': [4, np.nan, np.nan],
                   'C': [7, 8, 9]})

print(df.isna().sum())

上面的代碼將創建一個包含三列的 Pandas DataFrame。然后使用 isna() 方法檢查 DataFrame 中的 NaN 值，并使用 sum() 方法計算每列的 NaN 值的數量。輸出結果如下：

A    1
B    2
C    0
dtype: int64

從輸出結果可以看出，DataFrame 中的 NaN 值數量分別為 1、2 和 0。

計算 DataFrame 中每行的 NaN 值數量

如果需要計算每行的 NaN 值數量，可以使用 sum() 方法并設置 axis 參數為 1。以下是示例代碼：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan],
                   'B': [4, np.nan, np.nan],
                   'C': [7, 8, 9]})

print(df.isna().sum(axis=1))

上面的代碼將創建一個包含三列的 Pandas DataFrame。然后使用 isna() 方法檢查 DataFrame 中的 NaN 值，并使用 sum() 方法計算每行的 NaN 值的數量。輸出結果如下：

0    0
1    2
2    0
dtype: int64

從輸出結果可以看出，DataFrame 中的每行的 NaN 值數量分別為 0、2 和 0。

總結

在 Pandas 中計算 DataFrame 中每列或每行的 NaN 值數量非常簡單。只需要使用 isna() 方法檢查 DataFrame 中的 NaN 值，并使用 sum() 方法計算每列或每行的 NaN 值的數量。此外，還可以使用 dropna() 方法刪除 DataFrame 中包含 NaN 值的行或列。掌握這些技巧可以使數據分析更加高效。