Sum() og Count()

pandas tilbyr metoden count(), som teller alle ikke-null celler (verken None eller NaN) for hver kolonne.

python
9
1
2
df = pd.read_csv(file.csv)
number_of_cells = df.count()

For å finne antallet ikke-null verdier i en spesifikk kolonne, bruk følgende syntaks:

python
9
1
2
df = pd.read_csv(file.csv)
number_of_cells = df['name of the column'].count()

pandas gir også metoden sum(). Denne metoden beregner summen av verdier for hver kolonne, men den fungerer bare med numeriske eller boolske kolonner.

python
9
1
2
df = pd.read_csv(file.csv)
total = df.sum()

Siden metoden isna() returnerer en boolsk DataFrame, kan du bruke følgende syntaks for å beregne antall manglende verdier for hver av kolonnene:

python
missing_values_count = df.isna().sum()

For å finne summen av verdier i en bestemt kolonne, bruk følgende syntaks:

python
9
1
2
df = pd.read_csv(file.csv)
total = df['name of the column'].sum()

Oppgave

Swipe to start coding

Du har fått en DataFrame kalt audi_cars.

Få antall ikke-null celler i hver kolonne og lagre resultatet i variabelen number_of_cells.
Beregn totalprisen (ved å bruke 'price'-kolonnen) for alle biler i DataFrame og lagre resultatet i variabelen total_price.
Identifiser antall manglende verdier i hver kolonne og lagre resultatet i variabelen null_count.

Løsning

import pandas as pd

cars_data = {'model': [None, 'audi A6', 'audi A4', None,'audi A1'],

'year': [2017, 2016, 2017, None, 2016],

'fueltype': [None, 'diesel', 'diesel', 'petrol', 'petrol'],

'price': [12500, 16500, 16800, 17300, 16500]}

audi_cars = pd.DataFrame(cars_data)

# Write your code below

number_of_cells = audi_cars.count()

total_price = audi_cars['price'].sum()

null_count = audi_cars.isna().sum()

# Testing the result

print('Missing values:')

print(null_count)

print('Number of non-null cells:')

print(number_of_cells)

print(f'Total price: {total_price}')

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 14