Python 计算非空值'；表中若干列的百分比

对于如下所示的数据帧，如何计算熊猫中列

a、C、D

的

非空值百分比？多谢各位

   id     A      B     C     D
0   1   1.0    one   4.0   NaN
1   2   NaN    one  14.0   NaN
2   3   2.0    two   3.0 -12.0
3   4  55.0  three   NaN  12.0
4   5   6.0    two   8.0  12.0
5   6   NaN    two   7.0 -12.0
6   7 -17.0    one   NaN   NaN
7   8   NaN  three  11.0   NaN

预期结果如下：

              id      A      B      C      D
0  not-nulls_pct  62.5%    NaN  75.0%  50.0%
1              1      1    one      4    NaN
2              2    NaN    one     14    NaN
3              3      2    two      3    -12
4              4     55  three    NaN     12
5              5      6    two      8     12
6              6    NaN    two      7    -12
7              7    -17    one    NaN    NaN
8              8    NaN  three     11    NaN

对于非NAN值的计数，请与一起使用

然后需要用缺少的值替换
100%
，一个可能的解决方案，默认情况下使用-return
NaN
s，然后使用创建一行
DataFrame
，并根据自定义值转置和前置，最后设置
id
的第一个值：

s = df.notna().mean()
df1 = s.mul(100).astype(str).add('%').mask(s == 1).to_frame().T
df = pd.concat([df1, df], ignore_index=True)

df.loc[0, 'id'] = 'not-nulls_pct'
print (df)
              id      A      B      C      D
0  not-nulls_pct  62.5%    NaN  75.0%  50.0%
1              1      1    one      4    NaN
2              2    NaN    one     14    NaN
3              3      2    two      3    -12
4              4     55  three    NaN     12
5              5      6    two      8     12
6              6    NaN    two      7    -12
7              7    -17    one    NaN    NaN
8              8    NaN  three     11    NaN

或与
loc
一起使用，则是最终
数据帧中第一行的必要排序索引：

s = df.notna().mean()
df.loc[-1] = np.where(s != 1, s.mul(100).astype(str).add('%'), np.nan)
df = df.sort_index().reset_index(drop=True)
df.loc[0, 'id'] = 'not-nulls_pct'
print (df)
              id      A      B      C      D
0  not-nulls_pct  62.5%    NaN  75.0%  50.0%
1              1      1    one      4    NaN
2              2    NaN    one     14    NaN
3              3      2    two      3    -12
4              4     55  three    NaN     12
5              5      6    two      8     12
6              6    NaN    two      7    -12
7              7    -17    one    NaN    NaN
8              8    NaN  three     11    NaN

输出

    id      A      B      C     D
0   1       1      one    4     NaN
1   2       NaN    one    14    NaN
2   3       2      two    3     -12
3   4       55     three  NaN   12
4   5       6      two    8     12
5   6       NaN    two    7     -12
6   7       -17    one    NaN   NaN
7   8       NaN    three  11    NaN
per 100.0%  62.5%  100.0% 75.0% 50.0%

非常感谢。你能补充一些解释吗？为什么需要
mean（）
？因为mean definions是数值的计数除以总计数。它工作得很好，因为Trues的处理方式类似于
1
。我想计算所选列
A、C、D
，但这并不重要。一切都好。：）
    id      A      B      C     D
0   1       1      one    4     NaN
1   2       NaN    one    14    NaN
2   3       2      two    3     -12
3   4       55     three  NaN   12
4   5       6      two    8     12
5   6       NaN    two    7     -12
6   7       -17    one    NaN   NaN
7   8       NaN    three  11    NaN
per 100.0%  62.5%  100.0% 75.0% 50.0%