请求协助统计climate_clean.csv中average_temperature_celsius变量的缺失观测数

没问题！我来帮你搞定统计average_temperature_celsius变量缺失观测数的事儿～下面给你两种常用数据分析工具的操作方法，你可以根据自己平时用的工具选：

• 先确保你已经安装了pandas库，如果没装可以用pip install pandas安装
• 导入pandas并读取本地的csv文件（记得先把Dropbox上的文件下载到本地，把路径换成你自己的文件路径）：

  import pandas as pd
  # 替换成你本地文件的实际路径
  df = pd.read_csv("climate_clean.csv")
  

• 统计缺失值数量：

  # 识别缺失值并求和
  missing_count = df['average_temperature_celsius'].isna().sum()
  # 打印结果
  print(f"average_temperature_celsius的缺失观测数量为: {missing_count}")
  

  简单解释下：isna()会把每个观测值转换成布尔值（缺失值为True，非缺失为False），sum()会把True当作1、False当作0来求和，最终得到的就是缺失观测的总数。

• 直接读取本地的csv文件（同样要先下载文件到本地，路径换成你自己的）：

  # 替换成你本地文件的实际路径
  df <- read.csv("climate_clean.csv")
  

• 统计缺失值数量：

  # 识别缺失值并求和
  missing_count <- sum(is.na(df$average_temperature_celsius))
  # 打印结果
  cat("average_temperature_celsius的缺失观测数量为:", missing_count, "\n")
  

  原理和Python类似：is.na()标记出所有缺失值，sum()对标记结果求和，就能得到缺失观测的总数啦。

小提示：如果文件不在你的代码工作目录里，一定要把文件路径写完整，比如pd.read_csv("/Users/你的用户名/Downloads/climate_clean.csv")（Python）或者read.csv("C:/Users/你的用户名/Downloads/climate_clean.csv")（Windows系统的R）。

内容的提问来源于stack exchange，提问作者Marie Solone