Python 比较两个数据帧并找到空值的数量

我有个问题。我拥有名为“df”的数据帧1：

我有数据帧2，名为“dfP1”：

我想比较“dfP1”中列“Campo a Validar”中存在的唯一行与“df”中的列，如果存在计算匹配列中空值数量的巧合的话。然后，空值的数量将插入数据帧df中的新列名称“Numeros_de_nulos”，但仅插入第0行（索引0）

以下是一些尝试过的东西：

    #Validacion de Regla 1
if pd.isnull(df["Nº Línea Cliente"]).values.ravel().sum() > 0:
    nulos = pd.isnull(df["Nº Línea Cliente"]).values.ravel().sum()
    print("Hay {} valores nulos".format(nulos))
    dfP1['Numeros_de_Nulos'] = None

else:
    print ("No hay valores nulos")
dfP1.head()

---

我想我可能有答案

# Count number of NULL values in column 'Nº Línea Cliente'
nulos = df['Nº Línea Cliente'].isnull().sum()

# If nulos is greater than zero
if nulos > 0:
    # Create a column of nulls
    dfP1['Numeros_de_Nulos'] = None
    # dfP1['Numeros_de_Nulos'] = 0
    # dfP1['Numeros_de_Nulos'] = np.NaN

    # Use DataFrame.loc[<index>, <column name>] to set a new value
    dfP1.loc[0, 'Numeros_de_Nulos'] = nulos

---

*更多关于pandas.DataFrame.loc（）的信息确定您需要什么有点困难，但这可能接近您的理想解决方案

将熊猫作为pd导入
来自numpy INPORT NaN
#假设这些词典准确地反映了
#数据帧的内容，然后
#以下可能会起作用：
_df={
“c1”：[1.0,3.0,5.0,7.0]，
“c2”：[1.0,3.0,5.0,7.0]，
“c3”：[1.0,3.0,5.0,7.0]，
“c4”：[1.0,3.0,5.0,7.0]，
“NºLínea客户”：[
“Hay algo”，
“Hay algo”，
“Hay algo”，
南],，
“c6”：[1.0,3.0,5.0,7.0]，
“c7”：[1.0,3.0,5.0,7.0]，
“c8”：[1.0,3.0,5.0,7.0]，
“c9”：[1.0,3.0,5.0,7.0]，
“c10”：[1.0,3.0,5.0,7.0]，
}
Campo_a_Validar=[
“NºLínea客户”
对于范围内的campo（4）]
Campo_a_Validar.追加（“TIPO DE GARANTIA 1”）
_dfP1={
“ID_Val”：[1,2,3,4,5]，
“Tipo_Validación”：[1,2,3,4,1]，
“Campo_a_Validar”：Campo_a_Validar，
}
#初始化数据帧
df=pd.DataFrame（_-df）
dfP1=pd.DataFrame（_-dfP1）
定义分析参数（_df_，_dfP1_）：
尝试：
contar_nulos=lambda DF，ColName:DF.groupby（[ColName]）[ColName].nunique（）
nulos_de_df=contar_nulos（_df_，“NºLínea客户”）
nulos_de_dfP1=contar_nulos（“Campo_a_Validar”）
断言(
数值[0]==数值[0]
)
num_nulos=nulos_de_df
返回数值[0]
除断言错误外：
返回0
#检查唯一行数是否正确
#等于中的唯一行数
#另一张桌子
是否符合=分析（df，dfP1）
如果是巧合：
base=[是巧合]
base.extend（[“”
用于范围内的位置（len（df.c1）-1）]）
num_columns=len（df.T）
插入(
loc=num_列，
column=“Numeros\u de\u Nulos”，
值=基数
)
打印（df）
其他：
打印（df）

输出：

   ID_val  Tipo_Validacion     Campo_a_Validar Numeros_de_Nulos
0       1                1    Nº Línea Cliente                1
1       2                2    Nº Línea Cliente             None
2       3                3    Nº Línea Cliente             None
3       4                4    Nº Línea Cliente             None
4       5                1  TIPO DE GARANTIA 1             None

    c1   c2   c3   c4 Nº Línea Cliente   c6   c7   c8   c9  c10 Numeros_de_Nulos
0  1.0  1.0  1.0  1.0         Hay algo  1.0  1.0  1.0  1.0  1.0                1
1  3.0  3.0  3.0  3.0         Hay algo  3.0  3.0  3.0  3.0  3.0                 
2  5.0  5.0  5.0  5.0         Hay algo  5.0  5.0  5.0  5.0  5.0                 
3  7.0  7.0  7.0  7.0              NaN  7.0  7.0  7.0  7.0  7.0                 

---

请复制并粘贴您的数据框，以及您的预期output@ansev是对的；在以后的帖子中加入你想要的输出是个好主意，因为这有助于我们为你提供你需要的。顺便问一下，西班牙语变量和函数有帮助吗？

df['Numero_de_nulos']=nulos.fillna（None）

必须选择带有loc的索引necessary@ansev

nulos

是一个整数值，所以我不知道如何应用fillna（）方法？对于第二条注释，不使用loc（）通常会引发

设置WithCopyWarning

。更多信息请参见：