482

如何检查熊猫是否DataFrame为空?DataFrame就我而言,如果为空,我想在终端中打印一些消息。

4

5 回答 5

769

您可以使用该属性df.empty来检查它是否为空:

if df.empty:
    print('DataFrame is empty!')

资料来源:熊猫文档

于 2013-11-07T05:55:48.427 回答
95

我使用该len功能。它比 快得多emptylen(df.index)甚至更快。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10000, 4), columns=list('ABCD'))

def empty(df):
    return df.empty

def lenz(df):
    return len(df) == 0

def lenzi(df):
    return len(df.index) == 0

'''
%timeit empty(df)
%timeit lenz(df)
%timeit lenzi(df)

10000 loops, best of 3: 13.9 µs per loop
100000 loops, best of 3: 2.34 µs per loop
1000000 loops, best of 3: 695 ns per loop

len on index seems to be faster
'''
于 2014-07-24T12:06:18.817 回答
25

要查看数据框是否为空,我认为应该测试数据框的列索引的长度

if len(df.columns) == 0: 1

原因:

根据Pandas Reference API,有以下区别:

  • 具有 0 行和0 列的空数据框
  • 一个空数据框,其行包含NaN因此至少 1 列

可以说,它们并不相同。其他答案是不精确的df.emptylen(df), 或len(df.index)没有区别,并且在这两种情况下,返回索引为 0并且空为 True

例子

示例 1:具有 0 行和 0 列的空数据框

In [1]: import pandas as pd
        df1 = pd.DataFrame()
        df1
Out[1]: Empty DataFrame
        Columns: []
        Index: []

In [2]: len(df1.index)  # or len(df1)
Out[2]: 0

In [3]: df1.empty
Out[3]: True

示例 2:清空为 0 行但仍保留n列的数据框

In [4]: df2 = pd.DataFrame({'AA' : [1, 2, 3], 'BB' : [11, 22, 33]})
        df2
Out[4]:    AA  BB
        0   1  11
        1   2  22
        2   3  33

In [5]: df2 = df2[df2['AA'] == 5]
        df2
Out[5]: Empty DataFrame
        Columns: [AA, BB]
        Index: []

In [6]: len(df2.index)  # or len(df2)
Out[6]: 0

In [7]: df2.empty
Out[7]: True

现在,在前面的示例的基础上构建,其中索引为 0并且空为 True。在读取第一个加载的数据帧 df1的列索引长度时,它返回 0 列以证明它确实为空。

In [8]: len(df1.columns)
Out[8]: 0

In [9]: len(df2.columns)
Out[9]: 2

至关重要的是,虽然第二个数据帧 df2 不包含数据,但它并非完全为空,因为它返回了持续存在的空列的数量。

为什么重要

让我们向这些数据框添加一个新列以了解其含义:

# As expected, the empty column displays 1 series
In [10]: df1['CC'] = [111, 222, 333]
         df1
Out[10]:    CC
         0 111
         1 222
         2 333
In [11]: len(df1.columns)
Out[11]: 1

# Note the persisting series with rows containing `NaN` values in df2
In [12]: df2['CC'] = [111, 222, 333]
         df2
Out[12]:    AA  BB   CC
         0 NaN NaN  111
         1 NaN NaN  222
         2 NaN NaN  333
In [13]: len(df2.columns)
Out[13]: 3

很明显,df2 中的原始列已经重新浮出水面。因此,谨慎的做法是读取列索引的长度len(pandas.core.frame.DataFrame.columns)查看数据帧是否为空。

实用的解决方案

# New dataframe df
In [1]: df = pd.DataFrame({'AA' : [1, 2, 3], 'BB' : [11, 22, 33]})
        df
Out[1]:    AA  BB
        0   1  11
        1   2  22
        2   3  33

# This data manipulation approach results in an empty df
# because of a subset of values that are not available (`NaN`)
In [2]: df = df[df['AA'] == 5]
        df
Out[2]: Empty DataFrame
        Columns: [AA, BB]
        Index: []

# NOTE: the df is empty, BUT the columns are persistent
In [3]: len(df.columns)
Out[3]: 2

# And accordingly, the other answers on this page
In [4]: len(df.index)  # or len(df)
Out[4]: 0

In [5]: df.empty
Out[5]: True
# SOLUTION: conditionally check for empty columns
In [6]: if len(df.columns) != 0:  # <--- here
            # Do something, e.g. 
            # drop any columns containing rows with `NaN`
            # to make the df really empty
            df = df.dropna(how='all', axis=1)
        df
Out[6]: Empty DataFrame
        Columns: []
        Index: []

# Testing shows it is indeed empty now
In [7]: len(df.columns)
Out[7]: 0

添加新数据系列按预期工作,无需重新显示空列(实际上,没有任何包含仅包含行的系列NaN):

In [8]: df['CC'] = [111, 222, 333]
         df
Out[8]:    CC
         0 111
         1 222
         2 333
In [9]: len(df.columns)
Out[9]: 1
于 2019-01-02T16:38:40.543 回答
14

我更喜欢走长途。这些是我为避免使用 try-except 子句而遵循的检查 -

  1. 检查变量是否不是无
  2. 然后检查它是否是一个数据框和
  3. 确保它不是空的

这里,DATA是可疑变量 -

DATA is not None and isinstance(DATA, pd.DataFrame) and not DATA.empty
于 2015-08-20T13:50:23.527 回答
0
1)如果一个DataFrame有Nan和Non Null值,你想查找DataFrame是否
是否为空然后尝试此代码。
2)什么时候会发生这种情况?
当使用单个函数绘制多个 DataFrame 时会发生这种情况
作为参数传递。在这种情况下,函数会尝试绘制数据
当 DataFrame 为空并因此绘制一个空图时!
如果简单地显示“DataFrame 没有数据”消息,这将是有意义的。
3)为什么?
如果 DataFrame 为空(即根本不包含数据。请注意带有 Nan 值的 DataFrame
被认为是非空的)那么最好不要绘制而是发出一条消息:
假设我们有两个 DataFrame df1 和 df2。
函数 myfunc 接受任何 DataFrame(在本例中为 df1 和 df2)并打印一条消息
如果 DataFrame 为空(而不是绘图):
df1                     df2
col1 col2           col1 col2 
Nan   2              Nan  Nan 
2     Nan            Nan  Nan  

和功能:

def myfunc(df):
  if (df.count().sum())>0: ##count the total number of non Nan values.Equal to 0 if DataFrame is empty
     print('not empty')
     df.plot(kind='barh')
  else:
     display a message instead of plotting if it is empty
     print('empty')
于 2020-05-28T15:19:23.770 回答