Pandas缺失数据最快定位方式（极少代码快速实现，打死不用循环!!!!!）

文章目录

• • • • • 先直接上代码
        • 简单分析

先直接上代码

考虑下表：

df = pd.DataFrame(np.random.randn(5, 3), index=['a', 'c', 'e', 'f', 'h'],columns=['one', 'two', 'three'])df2 = df.reindex(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])df2one two three a 0.820537 -0.115642 1.096765 b NaN NaN NaN c -0.737318 -0.241887 -0.043518 d NaN NaN NaN e -0.092327 -1.263035 -3.563509 f -0.578219 1.196041 -1.339231 g NaN NaN NaN h -0.110525 -0.396843 -0.513144

可以看到其空行极多，首先找出所有空值所在位置(所有下标值)：

locs = np.argwhere(np.isnan(df2.values)) locsarray([[1, 0],[1, 1],[1, 2],[3, 0],[3, 1],[3, 2],[6, 0],[6, 1],[6, 2]], dtype=int64)

如果想要直接查出有哪些行包含了空值（最后解释）：

df2.columns[locs[:,1]].drop_duplicates()Index(['one', 'two', 'three'], dtype='object')

行号就简单了：

locs[:,0]array([1, 1, 1, 3, 3, 3, 6, 6, 6], dtype=int64)

简单分析

首先，DataFrame的values本质上就是一个numpy array

type(df2.values)numpy.ndarray

那么很自然地，要找出array里面的空值，直接就用numpy的方法就好，这里之前也介绍过 [传送门]。

其次，用np.argwhere返回的值就是下标的集合（本质上还是数组）。

而df2.columns本身也可以用索引来访问，那么就简单了：locs中第二维正好就是缺失值列所在的下标。

紧接着注意到columns的本质是Index类型，它可以使用和DataFrame一样的drop_duplicates()方法，因此这段代码一步到位。

综上，说不用循环就不用循环。

《新程序员》：云原生和全面数字化实践50位技术专家共同创作，文字、视频、音频交互阅读

总结

以上是生活随笔为你收集整理的Pandas缺失数据最快定位方式（极少代码快速实现，打死不用循环!!!!!）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。