Pandas-isna()-Funktion: Fehlende Werte erkennen

Die Python-Pandas-Funktion DataFrame.isna() hilft Ihnen dabei, fehlende Daten (NaN oder None) innerhalb eines DataFrames zu identifizieren. Das kann hilfreich sein, um festzustellen, ob geplante Analysen stattfinden können oder ob zuvor eine Bereinigung der Daten notwendig ist.

Webhosting
Top-Hosting für Ihre Website
  • Flexibel: Hosting, das jedem Website-Traffic standhält
  • Verlässlich: Inklusive 24/7-Support und persönlicher Beratung
  • Sicher: Kostenloses SSL-Zertifikat, DDoS-Schutz und Backups

Syntax von Pandas isna()

Da Pandas isna() keine Parameter entgegennimmt, ist die Syntax der Funktion sehr einfach und sieht wie folgt aus:

DataFrame.isna()
python

Anwendung der isna()-Funktion

Pandas isna() wird auf einen DataFrame angewendet, um einen neuen DataFrame mit booleschen Werten zu erzeugen. Fehlt ein Wert im ursprünglichen DataFrame bzw. ist NaN oder None, ist an der korrespondierenden Stelle im Ergebnis der Wert True hinterlegt. Anderenfalls liefert isna() an der entsprechenden Stelle den Wert False.

Hinweis

Wenn Sie nicht nur identifizieren wollen, ob NaN- oder None-Werte vorhanden sind, sondern diese auch entfernen möchten, lohnt sich ein Blick auf die Pandas-Funktion dropna(). Möchten Sie die Werte hingegen systematisch ersetzen, kann die fillna()-Funktion aushelfen.

Identifikation fehlender Werte in einem DataFrame

In den folgenden Beispielen wird ein DataFrame mit Informationen über verschiedene Personen betrachtet, in dem jedoch einige Daten fehlen bzw. den Wert None haben:

import pandas as pd
data = {
    'Name': ['Alice', 'Bob', None, 'David'],
    'Alter': [25, None, 35, 40],
    'Stadt': ['New York', 'Los Angeles', 'Chicago', None]
}
df = pd.DataFrame(data)
print(df)
python

Der DataFrame sieht folgendermaßen aus:

Name  Alter        Stadt
0  Alice   25.0     New York
1    Bob    NaN  Los Angeles
2   None   35.0      Chicago
3  David   40.0         None

Um herauszufinden, welche Werte genau fehlen, kann isna() auf dem DataFrame aufgerufen werden.

# Anwendung von Pandas isna()
missing_values = df.isna()
print(missing_values)
python

Der Funktionsaufruf liefert einen neuen DataFrame, in dem ein Wert durch True ersetzt wird, wenn der ursprüngliche Wert fehlt, und durch False, wenn der Wert vorhanden ist. Das Ergebnis sieht daher wie folgt aus:

Name  Alter  Stadt
0  False  False  False
1  False   True  False
2   True  False  False
3  False  False   True

Zählen der fehlenden Werte pro Spalte

Es kann hilfreich sein, zu wissen, wie viele Werte in jeder Spalte fehlen, um zu entscheiden, wie man mit den fehlenden Daten umgeht. Hierzu kann isna() in Kombination mit der Python-Funktion sum() genutzt werden.

# Zählen der fehlenden Werte pro Spalte
missing_count = df.isna().sum()
print(missing_count)
python

Das Resultat zeigt an, wie viele Werte in jeder Spalte fehlen:

Name     1
Alter    1
Stadt    1
dtype: int64
War dieser Artikel hilfreich?