Python中定义Rower函数统计Pandas DataFrame含NaN行数的方法（新手向）

嘿，作为Python纯新手，别担心，咱们一步步来搞清楚这个问题～你现在的代码是统计了DataFrame里所有NaN的总数，而我们需要的是至少包含一个NaN值的行数，这两者的区别还是挺大的，我来给你拆解清楚。

第一步：先搞懂函数的基本定义 #

对于Python函数来说，基本结构非常清晰：

def 函数名(参数):
    # 函数内部的逻辑代码
    return 返回值

你之前定义的pandasNull其实已经符合这个基础结构啦，只是内部的统计逻辑需要调整。现在我们要把函数名改成你想要的Rower，参数依然是接收一个pandas DataFrame对象。

第二步：实现统计含NaN行数的核心逻辑 #

我们需要的是判断每一行里是否存在至少一个NaN，然后统计这样的行数。这里可以用pandas的几个方法组合完成：

• df.isna()：把DataFrame里的每个元素转换成布尔值，NaN的位置标记为True，非NaN标记为False
• .any(axis=1)：按行（axis=1表示行方向）进行判断，只要这一行有一个True（也就是有一个NaN），就返回True；如果一行全是False（没有NaN），则返回False
• .sum()：统计所有True的数量，也就是我们要的含NaN的行数

所以正确的Rower函数实现如下：

import pandas as pd
import numpy as np  # 因为你用到了np.random.randn生成数据，所以需要导入这个库

def Rower(df):
    # 判断每行是否存在NaN，再统计符合条件的行数
    return df.isna().any(axis=1).sum()

第三步：结合你的示例代码测试函数 #

我们用你提供的示例DataFrame来测试这个函数，看看效果：

# 创建原始随机DataFrame
df = pd.DataFrame(
    np.random.randn(6,4),
    index=[1,2,3,4,5,6],
    columns=['A','B','C','D']
)
# 将DataFrame中小于等于0的值替换为NaN（这就是你定义的example_df）
example_df = df[df>0]

# 调用Rower函数统计含NaN的行数
print(Rower(example_df))

核心逻辑逐行解释 #

1. df.isna()：生成一个和原DataFrame形状完全一致的布尔型DataFrame，每个位置标记该元素是否为NaN。
2. .any(axis=1)：对每一行进行布尔判断，只要该行存在至少一个True（即存在NaN），就返回True；反之返回False。这一步会得到一个布尔型Series，索引和原DataFrame保持一致。
3. .sum()：在pandas中，布尔值True会被当作数值1，False当作0，所以sum()会直接计算出所有True的数量，也就是我们需要的包含NaN值的行数。

和你原有代码的区别 #

你原来的df.isna().sum().sum()是先按列统计每列的NaN数量（第一个sum()），然后把所有列的统计结果相加（第二个sum()），得到的是整个DataFrame中NaN的总个数，和我们要统计的「含NaN的行数」完全不是一回事哦～

内容的提问来源于stack exchange，提问作者Emma__BB