pandas找出NaN行

在Python的数据分析库pandas中，NaN是一个特殊的浮点值，表示缺失数据，当我们处理数据时，可能会遇到包含NaN值的行或列，为了找出这些包含NaN值的行，我们可以使用pandas提供的isna()函数和any()函数。

我们来了解一下这两个函数的作用：

1、isna()函数：用于检查数据中是否存在NaN值，它会返回一个与原始数据相同形状的布尔型数据，其中NaN值对应的位置为True，其他值为False。

2、any()函数：用于检查数据中是否存在True值，它会沿着指定轴（默认为0）计算，并返回一个布尔型数据，其中存在True值的位置为True，其他值为False。

接下来，我们将通过一个实际的例子来演示如何使用这两个函数找出包含NaN值的行。

假设我们有一个名为df的DataFrame，其中包含了一些包含NaN值的数据，我们可以按照以下步骤找出包含NaN值的行：

1、使用isna()函数检查数据中是否存在NaN值，得到一个布尔型数据。

import pandas as pd
创建一个包含NaN值的DataFrame
data = {'A': [1, 2, None], 'B': [4, None, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)

输出结果：

原始DataFrame：
     A    B  C
0  1.0  4.0  7
1  2.0  NaN  8
2  NaN  6.0  9

2、使用any()函数沿着行轴（axis=1）计算布尔型数据，得到一个布尔型Series。

沿着行轴计算布尔型数据
nan_rows = df.isna().any(axis=1)
print("包含NaN值的行：")
print(nan_rows)

输出结果：

包含NaN值的行：
0    False
1     True
2     True
dtype: bool

3、根据布尔型Series的值，从原始DataFrame中筛选出包含NaN值的行。

筛选出包含NaN值的行
nan_rows_df = df[nan_rows]
print("包含NaN值的行：")
print(nan_rows_df)

输出结果：

包含NaN值的行：
     A    B  C
1  2.0  NaN  8
2  NaN  6.0  9

通过以上步骤，我们成功地找出了包含NaN值的行，需要注意的是，这种方法只能找出包含至少一个NaN值的行，如果需要找出所有包含NaN值的行（无论是否只有一个），可以使用all()函数替换any()函数。