Для исключения пропусков данных при подсчёте значений в Pandas можно использовать следующие методы:

• isnull(). 14 Генерирует булеву маску для отсутствующих значений. 1 Чтобы подсчитать количество пропущенных значений в каждом столбце, нужно использовать функцию sum(). 4 Пример синтаксиса: df.isnull().sum(). 4
• dropna(). 15 Фильтрует данные по отсутствующим значениям. 1 Можно задать дополнительные параметры, например, how=’any’ (по умолчанию) или thresh (задает минимальное значение непустых значений, выше которого строки/столбцы не отбрасываются). 1
• fillna(). 15 Заменяет пропуски с возвратом копии. 1 Есть несколько аргументов, которые определяют, какими значениями будут заполняться пропуски (предыдущими или последующими в массиве). 1 Примеры аргументов: method=’ffill’ и method=’bfill’. 1
• info(). 34 Показывает информацию о наборе данных, индекс, столбцы и тип данных, ненулевые значения и использование памяти. 3 Если количество ненулевых значений в столбце равно количеству строк в датафрейме, то пропусков нет. 4