Python 如何检查数据帧是否为空？

如何检查数据帧是否为空？在我的例子中，如果

DataFrame

为空，我想在终端中打印一些消息

您可以使用属性

df.empty

检查它是否为空：

if df.empty:
    print('DataFrame is empty!')

---

来源：

我使用

len

功能。它比空的要快得多

len（df.index）

甚至更快

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10000, 4), columns=list('ABCD'))

def empty(df):
    return df.empty

def lenz(df):
    return len(df) == 0

def lenzi(df):
    return len(df.index) == 0

'''
%timeit empty(df)
%timeit lenz(df)
%timeit lenzi(df)

10000 loops, best of 3: 13.9 µs per loop
100000 loops, best of 3: 2.34 µs per loop
1000000 loops, best of 3: 695 ns per loop

len on index seems to be faster
'''

---

我更喜欢走长途。以下是我为避免使用try-except条款而遵循的检查：

检查变量是否不是None

然后检查它是否是数据帧，然后

确保它不是空的

此处，

DATA

是可疑变量-

DATA is not None and isinstance(DATA, pd.DataFrame) and not DATA.empty

---

为了查看数据帧是否为空，我认为应该测试数据帧的列索引的长度：

如果len（df.columns）==0:1

原因: 根据《公约》，有以下区别：

• 包含0行和0列的空数据帧
• 一个空数据帧，其中的行包含

  NaN

  ，因此至少有一列

可以说，它们并不相同。其他答案是不精确的，因为

df.empty

，

len（df）

，或

len（df.index）

没有区别，并且返回索引在这两种情况下都是0，empty

例子 示例1：具有0行和0列的空数据帧

[1]中的

：将熊猫作为pd导入
df1=pd.DataFrame（）
df1
Out[1]：空数据帧
列：[]
索引：[]
在[2]中：len（df1.index）#或len（df1）
Out[2]：0
在[3]中：df1.empty
Out[3]：正确

示例2：数据帧被清空为0行，但仍保留

n

列

[4]中的

df2=pd.DataFrame（{'AA'：[1,2,3]，'BB'：[11,22,33]}）
df2
Out[4]：AA-BB
0   1  11
1   2  22
2   3  33
[5]中：df2=df2[df2['AA']==5]
df2
Out[5]：空数据帧
栏目：[AA、BB]
索引：[]
在[6]中：len（df2.index）#或len（df2）
Out[6]：0
In[7]：df2.empty
Out[7]：对

现在，以前面的示例为基础，其中索引为0，空为True。当读取第一个加载的数据帧df1的列索引的长度时，它返回0列以证明它确实为空

[8]中的

：len（df1.列）
Out[8]：0
In[9]：len（df2.列）
Out[9]：2

关键的，虽然第二个数据帧df2不包含任何数据，但它不是完全空的，因为它返回保留的空列数量

为什么重要 让我们向这些数据帧添加一个新列以了解其含义：

#如预期，空列显示1个系列
在[10]中：df1['CC']=[111222333]
df1
Out[10]：CC
0 111
1 222
2 333
In[11]：len（df1.列）
Out[11]：1
#请注意，在df2中具有包含'NaN'值的行的持久化序列
在[12]中：df2['CC']=[111222333]
df2
Out[12]：AA BB CC
0楠楠111
1楠楠222
2楠楠333
In[13]：len（df2.列）
Out[13]：3

很明显，df2中的原始柱已重新浮出水面。因此，明智的做法是使用

len（pandas.core.frame.DataFrame.columns）

读取列索引的长度

实际解决方案

#新数据帧df
[1]中的df=pd.DataFrame（{'AA'：[1,2,3]，'BB'：[11,22,33]}）
df
Out[1]：AA-BB
0   1  11
1   2  22
2   3  33
#这种数据操作方法会导致df为空
#因为一部分值不可用（`NaN`）
在[2]中：df=df[df['AA']==5]
df
Out[2]：空数据帧
栏目：[AA、BB]
索引：[]
#注意：df是空的，但列是持久的
In[3]：len（测向列）
Out[3]：2
#因此，本页上的其他答案
在[4]中：len（df.index）#或len（df）
Out[4]：0
In[5]：df.empty
Out[5]：对

#解决方案：有条件地检查空列
在[6]中：如果len（df.columns）！=0:  # 
以及功能：

def myfunc(df):
  if (df.count().sum())>0: ##count the total number of non Nan values.Equal to 0 if DataFrame is empty
     print('not empty')
     df.plot(kind='barh')
  else:
     display a message instead of plotting if it is empty
     print('empty')

len（）不起作用？对于空的数据帧，它应该返回0。这似乎是一个遗憾，因为您需要知道df是一个pd.dataframe。我想知道不在pd.DataFrame上实现bool（）的动机。@Quant-文档中讨论了bool在此处为DataFrame引发错误的原因：。引用：“因为不是零长度，所以它应该是真的吗？因为有假值，所以它应该是假的吗？这是不清楚的，所以熊猫引发了一个ValueError”更快的方法是
df.shape[0]==0
来检查数据帧是否为空。您可以对其进行测试。此方法不会在所有情况下都起作用，因为在某些情况下，空数据帧可能是非类型的。由于len（df.index）==0或len（df.columns）==0，数据帧可以为空。如果预期变量将是数据帧（这是OP所暗示的），则此方法是多余的，而且是错误的做法要么为空，要么有行。如果它不是DF（或者如果它没有），则应该抛出异常，因为某个地方出了问题。在Python中，
try/except
是便宜的，
If
是昂贵的。Python既不是Java也不是C；虽然这段代码可能会解决这个问题，但它如何以及为什么解决这个问题会真正有助于提高您的帖子质量，并可能导致更多的投票。请记住，你是在将来回答读者的问题，而不仅仅是现在提问的人。请在回答中添加解释，并说明适用的限制和假设。
df1                     df2
col1 col2           col1 col2 
Nan   2              Nan  Nan 
2     Nan            Nan  Nan  

def myfunc(df):
  if (df.count().sum())>0: ##count the total number of non Nan values.Equal to 0 if DataFrame is empty
     print('not empty')
     df.plot(kind='barh')
  else:
     display a message instead of plotting if it is empty
     print('empty')