熊猫系列中的计数方法有什么作用？

pandas系列中的count方法将返回一个整数值，该值表示系列对象中存在的元素总数。它只计算有效元素并忽略系列数据中的无效元素。

无效元素只不过是缺失值，如Nan、Null和None。count方法不会将缺失值计算为一个元素，它会忽略缺失值并计算剩余值。

示例

# importing pandas packages import pandas as pd d = {a:A,c:"C",d:D,e:E} #creating a series with null data s_obj = pd.Series(d, index=list(abcdefg)) print(s_obj) # using count method print(\nResult,s_obj.count())

解释

我们使用带有文本类型元素的python字典创建了一个pandas系列对象，在创建系列对象时，我们通过使用新的索引标签指定索引属性来添加一些Nan数据（空值）。那些新添加的索引标签没有任何特定数据，因此它将在该索引位置创建一个空元素。

输出结果

a A b NaN c C d D e E f NaN g NaN dtype: object Result 4

我们可以在上面的输出块中看到熊猫系列对象“s_obj”。有7个索引和值对，其中3个缺失值表示为NaN。

我们可以在上面的块中看到pandas系列的count方法的输出，即“Result4”。这意味着，我们的系列对象s_obj中只有4个有效元素，其余所有元素都是无效元素。

示例

# importing pandas packages import pandas as pd import numpy as np #creating a series with null data s_obj = pd.Series([2, 9, 6, None, 5, 9, np.nan]) print(s_obj) # using count method print(\nValues count:,s_obj.count())

解释

在以下示例中，我们使用Python列表创建了另一个带有一些缺失值的Pandas系列对象。在该列表中，共有7个元素和两个缺失元素。一个缺失的元素由pythonNone关键字创建，另一个元素由NumPy属性nan创建。

输出结果

0 2.0 1 9.0 2 6.0 3 NaN 4 5.0 5 9.0 6 NaN dtype: float64 Values count: 5

我们可以看到系列对象s_obj和count方法的输出。这里有来自7元素系列对象的5个有效元素。