Ya que df.isnull()
devuelve un dataframe lleno de booleanos (True
en las celdas que eran NaN), lo que queremos en realidad es contar, ya sea por filas o por columnas, cuántos de esos valores son True
.
Podemos usar la función sum()
para sumar por columnas (o sum(axis=1)
para sumar por filas). La suma de booleanos se forzará a enteros, considerando True
como 1 y False
como 0. Por tanto el resultado será el número de True
.
a = df.isnull().sum() # Resultado por columnas
a = df.isnull().sum(axis=1) # Resultado por filas
Ahora ya podemos quedarnos sólo con las columnas o filas que tengan un contador mayor de 1:
print(a[a>1])
Nota Aunque pandas tiene un método .count()
, no nos sirve, ya que no es para contar el número de True
, sino el número de valores que hay (distintos de NaN). Por tanto df.isnull().count()
daría el mismo número para todas las columnas, pues todas tienen el mismo número de elementos no-nulos, ya que todos son True
o False
.
Adicionalmente
Lo que habías hecho:
df.isnull().any(axis=1).sum()
te devuelve cuántas filas tienen algún NaN
. Se interpreta de la siguiente forma:
df.isnull()
te retorna un dataframe de iguales dimensiones que el original, pero con True
donde había NaN
y False
en el resto.
- aplicar
.any(axis=1)
te retorna una Serie con tantas filas como tenía df.isnull()
, y en cada fila un True
si había algún True
en esa fila, o False
si no había ninguno. Es decir, True
para las filas que tenían un NaN
en df
.
- aplicar
.sum()
a esa Serie, suma todos los True
que hay en ella (ya que se consideran 1 y los False
0). Por tanto el resultado será el número de True
que había, es decir, el número de filas que tenían algún NaN
en df
.