Pandas pandas dataframe选择含有Nan的索引

在本文中，我们将介绍Pandas pandas dataframe中如何选择含有Nan的索引。Nan是指“Not a number”的简称，表示缺失值。当我们使用Pandas来处理数据时，有时会遇到含有缺失值的情况。这时需要找出含有缺失值的行或列。在Pandas中，我们可以利用isnull()函数和any()函数来实现。

阅读更多：Pandas 教程

isnull() 函数

isnull()函数用于检查数据中的空值，并返回一个与原数据大小相同的布尔型数据，其中NaN与空值表示为空：True，否则False。

例如，我们可以使用以下代码创建一个包含NaN的数据框：

import numpy as np
import pandas as pd

data = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8], 'C': [9, 10, 11, 12]}, index=[0, 1, 2, 3])
print(data)

输出为：

     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  NaN  11
3  4.0  8.0  12

我们可以使用isnull()函数来查找含有缺失值的行或列。以下代码用于查找含有缺失值的列：

# 查找含有缺失值的列
print(data.isnull().any())

输出：

A     True
B     True
C    False
dtype: bool

可以看出，列A和B含有缺失值。

any()函数

any()函数用于检查每一列或每一行元素中是否有至少一个是True。以下代码用于查找含有缺失值的行：

# 查找含有缺失值的行
print(data.isnull().any(axis=1))

输出：

0    False
1     True
2     True
3    False
dtype: bool

可以看出，行1和行2含有缺失值。

loc函数与布尔型数据的运用

有了含有缺失值的行或列的索引后，我们就可以使用.loc函数来筛选数据。以下代码筛选含有缺失值的行：

# 筛选含有缺失值的行
print(data.loc[data.isnull().any(axis=1)])

输出：

    A   B   C
1  2.0 NaN  10
2  NaN NaN  11

同理，如果要筛选含有缺失值的列，我们可以使用以下代码：

# 筛选含有缺失值的列
print(data.loc[:, data.isnull().any()])

输出：

     A    B
0  1.0  5.0
1  2.0  NaN
2  NaN  NaN
3  4.0  8.0

注：冒号表示选取所有行/列的意思。

总结

本文介绍了如何在Pandas pandas dataframe中选择含有缺失值的行或列。我们可以使用isnull()函数来查找含有缺失值的行或列，并使用loc函数来筛选数据。了解这些方法可以为我们处理数据时提供便利，使我们更好地利用数据。