Python pandas.DataFrame 找出有空值的行

利用 pandas 筛选含空值的行

在数据处理过程中，识别并处理缺失值（NaN）是确保分析准确性的基础。使用 pandas 库时，可以通过组合 .isnull() 和 .any() 方法，快速定位包含空值的行。

核心逻辑与操作步骤

1. 判断空值：使用 .isnull() 方法，将 DataFrame 中所有非空元素标记为 False，空值标记为 True。
2. 判断存在性：使用 .any() 方法，判断行或列中是否存在至少一个 True（即空值）。
3. 筛选行：由于 .any() 默认按列计算，需先对 DataFrame 进行转置（.T），再应用 .any()，从而得到每行是否存在空值的布尔序列，最后用于筛选原始 DataFrame。

代码实现与解析

以下示例演示了如何构建包含空值的 DataFrame，并找出含有空值的行：

import pandas as pd
import numpy as np

# 1. 创建示例数据
n = np.arange(20, dtype=float).reshape(5,4)
n[2,3] = np.nan  # 在特定位置设置空值

index = ['index1', 'index2', 'index3', 'index4', 'index5']
columns = ['column1', 'column2', 'column3', 'column4']
frame3 = pd.DataFrame(data=n, index=index, columns=columns)

# 2. 找出含空值的行
print(frame3[frame3.isnull().T.any()])

在上述代码中，frame3.isnull().T.any() 的执行逻辑如下：

• .isnull() 生成一个与原始 DataFrame 形状相同的布尔矩阵。
• .T 将该矩阵转置，使得原来的行变为列。
• .any() 对转置后的矩阵按列（即原始的行）进行判断，返回一个布尔 Series，其索引为原始 DataFrame 的索引。
• 将该布尔 Series 作为索引器，筛选出原始 DataFrame 中对应为 True 的行。

对比：按列与按行的判断结果

为了更清晰地理解 .any() 的作用，可以对比不转置和转置后的结果：

print(frame3.isnull().any())
print("========================")
print(frame3.isnull().T.any())

结果说明：

• frame3.isnull().any()：计算每列是否存在空值，输出一个以列名为索引的 Series。
• frame3.isnull().T.any()：计算每行是否存在空值，输出一个以行索引为索引的 Series。

通过掌握这一技巧，可以高效地在数据预处理阶段定位并处理缺失值，提升数据分析的准确性与效率。

以上就是 Python pandas.DataFrame 找出有空值的行的详细内容，更多关于 Python pandas 数据清洗的资料请关注本站其它相关文章！