如何在Pandas DataFrame中筛选数值型列及查看全列空值统计

1. 查看所有列的空值统计 #

Pandas默认会截断多列输出，你可以通过两种方式查看完整的空值统计结果：

方式一：修改全局显示设置 #

直接设置Pandas显示所有列，之后执行空值统计即可看到全部列的数据：

import pandas as pd
# 设置显示所有列，None表示不限制列数
pd.set_option('display.max_columns', None)
# 统计各列空值总数
null_counts = df.isnull().sum()
print(null_counts)

方式二：转换为DataFrame查看 #

如果不想修改全局设置，可将统计结果转为DataFrame，此时列名会作为行索引显示，默认不会截断：

null_counts_df = pd.DataFrame(df.isnull().sum(), columns=['空值数量'])
print(null_counts_df)

2. 筛选数值型列的空值统计 #

你可以先定位数值型列（int、float类型），再针对性统计空值：

方式一：先筛选数值列再统计 #

# 筛选出所有数值型列（包含int64、float64类型）
numeric_columns = df.select_dtypes(include=['int64', 'float64']).columns
# 统计这些列的空值数
numeric_null_counts = df[numeric_columns].isnull().sum()
print(numeric_null_counts)

方式二：从全局统计结果中筛选 #

如果已经有了全局空值统计结果null_counts，可以结合列的类型直接筛选：

# 获取所有数值型列的索引
numeric_cols_idx = df.dtypes[df.dtypes.isin(['int64', 'float64'])].index
# 从空值统计结果中筛选数值型列
numeric_null_counts = null_counts[numeric_cols_idx]
print(numeric_null_counts)

内容的提问来源于stack exchange，提问作者luca nissim