一个帅气的boy，你可以叫我Love And Program
⌨个人主页：Love And Program的个人主页
如果对你有帮助的话希望三连支持一下博主
python是目前非常火爆的语言，其在人工智能、数据分析领域都占有一席之地，无论是学习还是工作，都会给你带来相当大的帮助。我在这给大家 推荐一个快速提升自己的网站 牛客网，他们现在的IT题库内容很丰富，属于国内做的很好的了，可以在下图中看见里面试题应有尽有，最最最重要的里面的资源全部免费！！！（亲测全免费，写题解还可以得小礼物）欢迎大家自助练习殺殺
系列专栏链接：
Python快速刷题网站——牛客网 数据分析篇（一）
Python快速刷题网站——牛客网 数据分析篇（二）
Python快速刷题网站——牛客网 数据分析篇（三）
Python快速刷题网站——牛客网 数据分析篇（五）
前言
前面我们学习了基本的**查看数据**部分，即`pandas`中基本的`head，iloc，loc，shape`函数，接下来我们学习**数据索引**部分。
✍✍什么是数据索引？
数据索引，可以看作为数据切片和切块，是使用不同的列或索引切分数据，实现从数据中获取特定子集的方式，在数据分析的日常工作中不能说是几乎会用到，应该说是‘必须’会用到！无论是查找补充缺失值，还是搜索特定位置数据，熟练后你都可以玩出花来
下面进入正题
用户没有补全的信息
通过读题我们可以想到如下步骤：
数据补全 -> 如何判断空值 -> 找出判断空值函数 -> 判断某列是否是空值 -> 输出数据
既然如此，今天我们有学会了一个新的函数：isnull()函数，他还有个别名isna()函数，通过打印方法可以看出两者异同。
再回归题目
import numpy as np
import pandas as pd
data= pd.DataFrame({
"Nowcoder_ID":[1111,2222,44444],
"Level":[1,2,3],
"Language":['Python','CPP',np.nan],
"Achievement_value":[8711,13,999999],
"Num_of_exercise":[500,2,32],
"Graduate_year":[50,np.nan ,5]
})
输出为
我们用isnull()函数看看会出现什么
缺失位置判断为True，说明确实存在缺失值！但是题目最终要的结果是如下形式：
显然这是让我们判断一列是否存在缺失值，这时又是两个新函数：all()和any()函数
| pd.DataFrame.all() | pd.DataFrame.any() |
|---|---|
| 作用：返回是否所有元素都为真(可能在轴上) | 作用：返回是否至少一个元素为真 |
上代码轻松理解，以上代码直接用all()
这里你可能不能一下理解，因此我们给他一个小小的改变，将"Graduate_year"这一列全改为nan,如下图所示：
这时再用all()函数便有了很大的变化：正如表格中所写->轴上返回所有元素都为真（可自定义轴，默认为列）
any()函数更好理解->至少一个元素为真
上述两种情况全换成any()为：
未更改前：
"Graduate_year"更改nan后：
由此可以清楚区分两者区别，最终代码整理如下：
DA5 牛客网用户没有补全的信息
import pandas as pd
Nowcoder = pd.read_csv('Nowcoder.csv',sep=',',dtype=object)
print(Nowcoder.isna().any())
# print(Nowcoder.isnull().any())
# 原题中只存在一行数据，故用all（）也可以
# print(Nowcoder.isnull().all())
欢迎大家订阅此专栏，我将带领大家快速熟悉python数据分析领域知识。
