使用Pandas按特定列分组时，查找空值百分比

Question

以下是我的数据框的小快照：

avg_rating_of_driver    avg_rating_by_driver    bins
0   4.7 5.0 (3, 125]
1   5.0 5.0 NaN
2   4.3 5.0 (2, 3]
3   4.6 4.9 (3, 125]
4   4.4 4.9 (3, 125]
5   3.5 5.0 (1, 2]
6   NaN 4.0 (0, 1]
7   5.0 5.0 (1, 2]
8   4.5 5.0 (1, 2]
9   NaN 5.0 (0, 1]
10  5.0 4.9 (0, 1]
11  4.0 5.0 (2, 3]
12  NaN 5.0 (0, 1]
13  4.0 5.0 NaN
14  NaN 5.0 (0, 1]
15  NaN 5.0 (0, 1]
16  5.0 3.0 (0, 1]
17  3.9 4.8 NaN
18  4.6 4.8 (3, 125]
19  5.0 5.0 NaN
20  NaN 3.0 (0, 1]
21  NaN 5.0 (0, 1]
22  NaN 5.0 NaN
23  5.0 5.0 NaN
24  4.5 4.7 (3, 125]
25  NaN 5.0 (0, 1]

垃圾桶具有以下数值：

 (0,1] (1,2] (2,3] (3,125]

我对按区间分组和查找每个区间中空值百分比的内容感兴趣。

这意味着当按照区间分组时，每行有多少列具有NA值。

- optimus_prime

---

你可以提供一个简单/小的数据框示例吗？如果箱子本身有NaN值会怎么样？ - Mahdi

你是对的。许多容器确实有空值。 - optimus_prime

好的..提供了一个只有几列的缩小数据框架 - optimus_prime

@optimus_prime，Mahdi的回答解决了你的问题吗？如果解决了，请不要忘记接受它；如果没有，请提供期望的输出。 - MaxU - stand with Ukraine

刚刚完成了。抱歉，被卷入其中了。 - optimus_prime

Answer 1

这个怎么样：

dg = df.groupby('bins')
for col in df.columns:
    if col!='bins':  
       print (dg[col].apply(pd.isnull).mean())

由于dg[col].apply(pd.isnull)是一个由1和0组成的数组，它的平均值等于所有1的总和除以总数，即NaN值的百分比！

你也可以不用for循环来实现：

dg.apply(pd.isnull).mean()

但是这种情况下，bins 的值为零。

- Mahdi