Pandas 系列中的 count 方法有什么作用?
pandasserver side programmingprogramming更新于 2025/9/28 14:22:17
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元素的总数。它只统计有效元素，忽略系列数据中的无效元素。
无效元素是指缺失值，例如 Nan、Null 和 None。 count 方法不会将缺失值计入元素，它会忽略缺失值并计算剩余值。
示例
# 导入 pandas 包
import pandas as pd
d = {'a':'A','c':'"C','d':'D','e':'E'}
# 创建包含空数据的序列
s_obj = pd.Series(d, index=list('abcdefg'))
print(s_obj)
# 使用 count方法
print('
Result',s_obj.count())
解释
我们使用包含文本类型元素的 Python 字典创建了一个 Pandas 系列对象。在创建该系列对象时，我们通过指定带有新索引标签的 index 属性添加了一些 Nan 数据(Null 值)。这些新添加的索引标签没有任何特定数据，因此它会在该索引位置创建一个空元素。
输出
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 Pandas 系列对象"s_obj"。它包含 7 个索引和值对，其中 3 个缺失值以 NaN 表示。
我们还可以在上面的输出块中看到 Pandas 系列的 count 方法的输出，即"结果 4"。这意味着，我们的序列对象 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
# 导入 pandas 包
import pandas as pd
import numpy as np
# 创建包含空数据的序列
s_obj = pd.Series([2, 9, 6, None, 5, 9, np.nan])
print(s_obj)
# 使用 count 方法
print('
Values count:',s_obj.count())
解释
在下面的示例中，我们使用 Python 列表创建了另一个包含一些缺失值的 pandas 序列对象。该列表共有 7 个元素，其中 2 个缺失。一个缺失元素由 python None 关键字创建，另一个元素由 NumPy 属性 nan 创建。
输出
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，7 个元素的系列对象中，有 5 个有效元素。
