python - 使用考拉对空值求和

Question

使用考拉时，对所有 Null / NaN 值的数据帧求和的好方法是什么？

或以另一种方式陈述

我如何按空值总数的列返回一个列表。如果可能，我试图避免将数据框转换为 spark 或 pandas。

注意：.sum()忽略考拉中的空值（skipna:boolean，默认 True - 不能更改为 False）。所以跑步df1.isnull().sum()是不可能的

numpy 被列为替代方案，但由于数据框位于考拉中，我观察到 .sum() 仍然省略了 nan 值。

免责声明：我知道我可以在 Spark 上运行 pandas，但我知道这会适得其反。我犹豫从 Spark 或 Pandas 数据帧中求和，然后将数据帧转换为考拉（我认为这又是浪费资源）。我正在使用一个包含 73 列和 4m 行的数据集。

score 1 · Accepted Answer

您实际上可以使用df.isnull(). 这样做的原因是它返回一个布尔值“数组”来指示是否缺少值。因此，如果您第一次调用isnull，然后sum您将得到正确的计数。

例子：

import databricks.koalas as ks

df = ks.DataFrame([
  [1, 3, 9],
  [2, 3, 7],
  [3, None, 3]
], ["c1", "c2", "c3"])

df.isnull().sum()

1 回答 1