Pandas中使用count()函数计算每行的非空值

在本文中，我们将介绍如何使用Pandas中的count()函数计算每行的非空值。count()函数可以非常方便地统计每行的非空值数量，这在数据清洗和分析中非常有用。
阅读更多：Pandas 教程

什么是count()函数？

在Pandas中，count()函数用于计算每个列或行中非空值的数量。默认情况下，该函数将不计算缺失值。您可以使用此函数对数据进行清洗和分析。
下面是一个示例，展示如何使用count()函数计算每个列中非空值的数量：

import pandas as pd

# 创建一个简单的数据帧，含有两列和一些缺失值
df = pd.DataFrame({'a': [1, 2, None, 4], 'b': [5, None, 7, 8]})

# 使用count()函数计算每个列中非空值的数量
print(df.count())

这将输出以下结果：

a    3
b    3
dtype: int64

在默认情况下，count()函数仅计算非空值的数量。如果您需要计算缺失值的数量，则可以使用len(df) - df.count()。

如何使用count()函数计算每行的非空值数量

计算每行非空值的数量在数据清洗和分析中非常有用。要使用count()函数计算每行的非空值数量，您需要指定axis参数的值为1（默认情况下，该参数值为0，表示计算每列的非空值数量）。
下面是一个示例，展示如何使用count()函数计算每行的非空值数量：

import pandas as pd

# 创建一个简单的数据帧，含有四行和两列，以及一些缺失值
df = pd.DataFrame({'a': [1, None, 3, 4], 'b': [5, 6, None, None], 'c': [None, 8, None, 10], 'd': [11, 12, 13, 14]})

# 使用count()函数计算每行的非空值数量
df['non_null_count'] = df.count(axis=1)

# 显示结果
print(df)

这将输出以下结果：

     a    b     c   d  non_null_count
0  1.0  5.0   NaN  11               3
1  NaN  6.0   8.0  12               3
2  3.0  NaN   NaN  13               2
3  4.0  NaN  10.0  14               3

在此示例中，我们将使用count()函数计算每行的非空值数量，并将结果保存在名为non_null_count的新列中。可以看到，每个非空行的数量是正确计算的。