Puedes usar la función isna() de la Biblioteca Python Pandas para identificar los valores nulos (NaN o None) dentro de un DataFrame. Esto puede resultar muy útil para determinar si se pueden realizar los análisis planeados o si los datos requieren una limpieza previa.

Hosting
El hosting como nunca lo habías visto
  • Rápido, seguro, flexible y escalable
  • Certificado SSL/DDoS incluido
  • Dominio y asesor personal incluidos

Sintaxis de Pandas isna()

Pandas DataFrame isna() no acepta parámetros, por lo que su sintaxis es muy sencilla y se muestra de la siguiente manera:

DataFrame.isna()
python

Aplicación de la función isna() de Pandas

La función isna() de Pandas se aplica a un DataFrame para generar un nuevo DataFrame con valores booleanos. Si falta un valor en el DataFrame original o es NaN o None, se almacena el valor True en la posición correspondiente del resultado. En caso contrario, isna() devuelve el valor False en la posición correspondiente.

Nota

Si además de identificar si hay valores NaN o None deseas eliminarlos, puedes usar la función dropna() de Pandas. Si lo que te interesa es reemplazar esos valores de forma sistemática, puedes utilizar la función fillna().

Identificación de valores faltantes en un DataFrame

En el siguiente ejemplo aparece un DataFrame con información sobre varias personas en el que faltan algunos datos o tienen el valor None:

import pandas as pd
# Crear un DataFrame de ejemplo
data = {
    'Nombre': ['Alicia', 'Bob', None, 'David'],
    'Edad': [25, None, 35, 40],
    'Ciudad': ['Salamanca', 'León', 'Sevilla', None]
}
df = pd.DataFrame(data)
print(df)
python

El DataFrame resultante tendría este aspecto:

Nombre   Edad        Ciudad
0   Alicia   25.0     Salamanca
1    Bob      NaN          León
2   None     35.0       Sevilla
3   David    40.0          None

Para identificar exactamente qué valores faltan, se puede utilizar isna() en el DataFrame:

# Aplicación de Pandas isna()
missing_values = df.isna()
print(missing_values)
python

La llamada a la función genera un nuevo DataFrame, donde cada valor se reemplaza por True si falta el valor original o por False si el valor está presente. El resultado sería el siguiente:

Nombre   Edad  Ciudad
0    False  False   False
1    False   True   False
2     True  False   False
3    False  False    True

Contar los valores faltantes por columna

Para poder decidir cómo manejar los datos faltantes, es posible que te resulte útil saber cuántos valores faltan en cada columna. Para ellos, puedes usar isna() en combinación con otra función de Python, sum().

# Contar los valores faltantes por columna
missing_count = df.isna().sum()
print(missing_count)
python

El resultado muestra cuántos valores faltan en cada columna:

Nombre     1
Edad       1
Ciudad     1
dtype: int64
¿Le ha resultado útil este artículo?
Ir al menú principal