python - np.mean(data.isnull()) 到底是什么？

Question

在通过 Python 创建清洁项目时，我发现了以下代码:

# let's see if there is any missing data

for col in df.columns:
    pct_missing = np.mean(df[col].isnull())
    print('{} - {}%'.format(col, round(pct_missing,2)))

这实际上工作得很好，返回数据框中每列空值的百分比，但我对它的工作原理有点困惑:

首先，我们为数据帧中的每一列定义一个循环，然后我们执行该平均值，但确切的平均值是什么？每列的空单元格数量的平均值还是什么？

仅供引用，我已经解决了这个问题:

NullValues=df.isnull().sum()/len(df)
print('{} - {}%'.format(col, round(NullValues,2)))

这给了我基本相同的结果，但只是为了理解机制......我对第一段代码感到困惑......

Answer 1

一旦你习惯了它，它就会变得非常直观。生成此类代码的步骤可能如下所示:

1. 要获取空值的百分比，我们需要计算所有空行的数量，并将计数除以总行数。
2. 因此，首先我们需要检测空行。这很简单，因为提供了一个方法: df[col].isnull() .
3. df[col].isnull() 的结果是一个由 bool 值组成的新列 -- True或False .
4. 现在我们需要计算True s。这里我们可以实现计数True bool 数组中的 s 与对数组求和相同:True可以转换为1，并且False归零。
5. 所以我们将剩下 df[col].isnull().sum() / len(df[col]) .
6. 但是求和除以长度只是算术平均值!因此，我们可以缩短它以获得最终结果: mean(df[col].isnull()) .