【问题标题】：Count NaN per row with Pandas用 Pandas 计算每行的 NaN
【发布时间】：2020-12-30 09:18:39
【问题描述】：

我试图弄清楚如何在我的数据框中输出我的 First_Name 列的频率；每行。到目前为止，我成功地做到了，但我也想知道如何计算每行的 NaN 值和 Non-NaN 值。

下面是一个包含两列的数据框：First_Name 和 Favorite_Color。我想看看我是否可以获得 First_Name 列的计数。当我输出代码时，我只能得到非 NaN 值的计数。有没有办法同时包含 NaN 值的计数并将其添加到数据框的一部分？

import pandas as pd

d = 
{
'First_Name': ["Jared", "Lily", "Sarah", "Bill", "Bill", "Alfred", None], 
'Favorite_Color': ["Blue", "Blue", "Pink", "Red", "Yellow", "Orange", "Red"]
}

df = pd.DataFrame(data=d)

df['countNames'] = df.groupby('First_Name')['First_Name'].transform('count')

print(df)

我希望得到 NaN 和非 NaN 值的计数，但我只得到了非 NaN 值的计数。

编辑：谢谢大家！

我真的很喜欢阅读每个人的答案，看到这么多不同的解决方案来解决这个问题真的很有趣！我认为 SH-SF 的答案很好，因为它更容易理解，但确实需要使用 numpy 库来回答。

【问题讨论】：

标签： python pandas

【解决方案1】：

IIUC，这应该可以满足您的需求。

nasum=df['First_Name'].isnull().sum()
df['countNames'] = df.groupby('First_Name')['First_Name'].transform('count').replace(np.nan,nasum)

或者，正如 ALollz 所建议的，下面的代码也将提供相同的结果

df['countNames'] = df.groupby('First_Name')['First_Name'].transform('count').fillna(nasum)

输入

       First_Name   Favorite_Color
0         Jared     Blue
1          Lily     Blue
2         Sarah     Pink
3          Bill     Red
4          Bill     Yellow
5          Alfred   Orange
6          None     Red
7          None     Pink

输出

     First_Name     Favorite_Color  countNames
0         Jared          Blue        1.0
1         Lily           Blue        1.0
2         Sarah          Pink        1.0
3         Bill           Red         2.0
4         Bill           Yellow      2.0
5         Alfred         Orange      1.0
6         None           Red         2.0
7         None           Pink        2.0

【讨论】：

同样的想法；我喜欢.fillna(nasum) 的语法，因为它读起来更清楚：D。这也支持 downcast='int' 作为参数，因为它们都是整数。 +1
不会df.fillna(nasum) 在所有列中用nasum 填充NA？我想避免这种情况。
还添加了.fillna(nasum) 的解决方案。感谢您的建议。

【解决方案2】：

试试：

df['countNames'] = df.fillna(-1).groupby('First_Name')['First_Name'].transform('count')

First_Name Favorite_Color  countNames
0      Jared           Blue           1
1       Lily           Blue           1
2      Sarah           Pink           1
3       Bill            Red           2
4       Bill         Yellow           2
5     Alfred         Orange           1
6       None            Red           1

【讨论】：

【解决方案3】：

一种“快速”的解决方法是转换为字符串：

import pandas as pd

d = {
'First_Name': ["Jared", "Lily", "Sarah", "Bill", "Bill", "Alfred", None], 
'Favorite_Color': ["Blue", "Blue", "Pink", "Red", "Yellow", "Orange", "Red"]}

df = pd.DataFrame(data=d)

df['First_Name'] = df['First_Name'].astype(str)



df['countNames'] = df.groupby('First_Name')['First_Name'].transform('count')

print(df)

  First_Name Favorite_Color  countNames
0      Jared           Blue           1
1       Lily           Blue           1
2      Sarah           Pink           1
3       Bill            Red           2
4       Bill         Yellow           2
5     Alfred         Orange           1
6       None            Red           1

【讨论】：

【解决方案4】：

这里不需要转换。只需在临时数据帧df1 上使用map 和value_counts，如下所示

df1 = df.astype(str)
df['countNames'] = df1['First_Name'].map(df1['First_Name'].value_counts())

Out[802]:
  First_Name Favorite_Color  countNames
0      Jared           Blue           1
1       Lily           Blue           1
2      Sarah           Pink           1
3       Bill            Red           2
4       Bill         Yellow           2
5     Alfred         Orange           1
6       None            Red           1

【讨论】：