Sum() e Count()

pandas oferece o método count(), que conta todas as células não nulas (nem None nem NaN) para cada coluna.


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

Para encontrar a contagem de valores não nulos em uma coluna específica, use a seguinte sintaxe:


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

pandas também fornece o método sum(). Este método calcula a soma dos valores para cada coluna, mas só funciona com colunas numéricas ou booleanas.


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

Como o método isna() retorna um DataFrame booleano, você pode usar a seguinte sintaxe para calcular o número de valores ausentes para cada uma das colunas:


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

Para encontrar a soma dos valores em uma coluna específica, use a seguinte sintaxe:


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

Tarefa

Swipe to start coding

Dado o DataFrame audi_cars:

Determine a contagem de células não nulas em cada coluna.
Calcule o preço total (usando a coluna price) para todos os carros no DataFrame.
Identifique o número de valores ausentes em cada coluna.

Solução

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()

# Printing the results

print('Missing values:')

print(null_count)

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

print(number_of_cells)

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

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 3. Capítulo 14

single