Как посчитать количество ненулевых элементов в столбце

Что проверяют

Замечаете ли вы двусмысленность в самой формулировке: «ненулевые» может означать «непустые» (не NaN и не NULL) или «не равные нулю». Следом обычно спрашивают, как посчитать то же самое для всех столбцов сразу или на большой таблице в SQL и Spark.

Как отвечать

Сначала уточните, что считаем, и покажите оба варианта.

В pandas и рядом с ним:

• непустые значения: df["col"].count() или df["col"].notna().sum(). Для всех столбцов сразу df.count(), быстрый обзор даёт df.info();
• не равные нулю: (df["col"] != 0).sum() корректен только без пропусков, потому что NaN != 0 даёт True. Надёжнее (df["col"].ne(0) & df["col"].notna()).sum();
• NumPy: np.count_nonzero(arr) считает ненулевые, но NaN тоже засчитает как ненулевое;
• разреженные матрицы: у scipy.sparse есть метод count_nonzero(), а атрибут nnz считает хранимые значения, включая явно записанные нули.

В SQL COUNT(col) пропускает NULL, а COUNT(*) считает все строки. Непустые и ненулевые одним выражением: COUNT(NULLIF(col, 0)). В PostgreSQL удобен COUNT(*) FILTER (WHERE col <> 0), переносимый вариант SUM(CASE WHEN col <> 0 THEN 1 ELSE 0 END).

В PySpark F.count("col") тоже пропускает null, но NaN в числовой колонке для Spark обычное значение, его отсекают отдельно через F.isnan.

Где спотыкаются

Не уточняют задачу и молча считают что-то одно. На собеседовании сам вопрос «пустые или нули?» часто ценится выше кода.

Путают count() с size и len(): последние возвращают число строк вместе с пропусками.

Забывают о «грязных» пропусках: пустая строка, строка "None" или -999 из выгрузки не считаются NaN, и count() их засчитает. Перед подсчётом такие значения нужно привести к NaN, например через replace.