如何在Pandas数据框中查找哪些列包含任何NaN值
给定一个熊猫数据框，其中包含可能在此处和附近散布的NaN值：
问题： 如何确定哪些列包含NaN值？特别是，我可以获取包含NaN的列名称的列表吗？
问题答案：
更新： 使用熊猫0.22.0
较新的Pandas版本具有新的方法‘DataFrame.isna（）’和‘DataFrame.notna（）’
In [71]: df
Out[71]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [72]: df.isna().any()
Out[72]:
a True
b True
c False
dtype: bool
作为列列表：
In [74]: df.columns[df.isna().any()].tolist()
Out[74]: ['a', 'b']
选择这些列（至少包含一个NaN值）：
In [73]: df.loc[:, df.isna().any()]
Out[73]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
旧答案：
尝试使用isnull（）：
In [97]: df
Out[97]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [98]: pd.isnull(df).sum() > 0
Out[98]:
a True
b True
c False
dtype: bool
或作为@root建议的更清晰的版本：
In [5]: df.isnull().any()
Out[5]:
a True
b True
c False
dtype: bool
In [7]: df.columns[df.isnull().any()].tolist()
Out[7]: ['a', 'b']
选择一个子集-所有列至少包含一个NaN值：
In [31]: df.loc[:, df.isnull().any()]
Out[31]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
-
给定一个包含可能分散在各处的NaN值的pandas数据frame： 问题：如何确定哪些列包含NaN值？特别是，我可以获得包含NANS的列名列表吗？
-
问题内容： 我想在pandas数据框列中找到一个特定的模式，并返回相应的索引值以对数据框进行子集化。 这是带有可能模式的示例数据框： 生成数据框的代码段： 数据框： 下面，感兴趣的格局发生的日期来，这就是我想要结束了一下： 所需的输出： 如果同一模式多次出现，我希望以相同的方式对数据帧进行子集化，并计算该模式出现的次数，但是只要我将第一步弄清楚，我希望这会更直接。 感谢您的任何建议！ 问题答案：
-
问题内容： 我在数据库中有几个表。我想查找哪些列（在哪些表中）没有任何值（列中都为NULL）。在下面的示例中，结果应该是 我不知道如何创建这种查询。非常感谢您的帮助！ 问题答案： 对于单列，返回不为null的行数： 您可以为所有列生成查询。根据Martin的建议，您可以使用排除不能为空的列。例如： 如果表的数量很大，则可以类似的方式为所有表生成查询。所有表的列表在中。
-
问题内容： 我有一个看起来像这样的Pandas DataFrame： 而且我想提取仅包含那些行的DataFrame，其中包含的任何行。因此结果应如下所示： 最简单的方法是什么？ 供测试用： 问题答案： IIUC重新创建您的df，然后使用with应该比
-
我想在数据的每一列中找到的数量，这样，如果某一列的少于某个阈值，我就可以删除该列。我看了一下，但没有找到任何功能。对我来说太慢了，因为大多数值都是不同的，而且我只对计数感兴趣。
-
问题内容： 我有以下熊猫数据框： 产生此结果： 我如何传播，以便最终得到这个： 问题答案： 使用或： 但是，如果重复，需要或集合体，或可以改变，…： ValueError：索引包含重复的条目，无法重塑 编辑： 对于设置为和的清洁：