Pandas 如何选择特定列中含有NaN的行

在处理数据时，我们常常会遇到数据缺失的情况。而NaN（Not a Number）则是表示数据缺失的一种常见方式。在Pandas中，我们可以通过一些简单的方法选择特定列中含有NaN的行。

阅读更多：Pandas 教程

使用isnull()和any()函数进行筛选

其中，isnull()函数可以判断数据是否为空值，返回一个与原数据结构相同的Boolean数组；而any()函数则可以检查给定轴上是否存在任何True的值，返回一个Boolean值。我们可以先通过isnull()函数找到含有NaN的行，再使用any()函数判断该行中的某一列是否含有NaN。因为False在此处被转换为0，因此布尔值True会被当作1处理。

下面给出一个例子：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3, np.nan, 5],
    'B': [np.nan, 2, np.nan, 4, 5],
    'C': [np.nan, 2, 3, 4, 5]
})

mask = df.isnull().any(axis=1) # 找到含有NaN的行
result = df[mask] # 根据mask进行筛选

print(result)

输出结果如下：

     A    B    C
0  1.0  NaN  NaN
2  3.0  NaN  3.0
3  NaN  4.0  4.0

可以看到，使用isnull()和any()函数，我们成功地筛选出了含有NaN的行。

使用dropna()函数删除含有NaN的行

当我们需要删除含有NaN的行时，我们可以使用dropna()函数。该函数可以过滤掉含有NaN值的行或列。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3, np.nan, 5],
    'B': [np.nan, 2, np.nan, 4, 5],
    'C': [np.nan, 2, 3, 4, 5]
})

result = df.dropna(subset=['B']) # 删除B列含有NaN的行

print(result)

输出结果如下：

     A    B    C
1  2.0  2.0  2.0
4  5.0  5.0  5.0

这里我们使用了subset参数来指定要删除哪个列中含有NaN的行。

使用fillna()函数填充NaN值

除了删除含有NaN的行之外，我们还可以使用fillna()函数来填充NaN值。fillna()函数包含很多参数，常用的有value、method、inplace以及limit等。其中，value可以指定要填充的值，method可以指定填充方式，inplace可以指定是否修改原数据，limit可以指定填充的最多个数。

下面是一个例子：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3, np.nan, 5],
    'B': [np.nan, 2, np.nan, 4, 5],
    'C': [np.nan, 2, 3, 4, 5]
})

result = df.fillna(value=0) # 将NaN值填充为0

print(result)

输出结果如下：

     A    B    C
0  1.0  0.0  0.0
1  2.0  2.0  2.0
2  3.0  0.0  3.0
3  0.0  4.0  4.0
4  5.0  5.0  5.0

可以看到，我们成功地将所有NaN值填充为0了。

总结

本文介绍了在Pandas中如何选择特定列中含有NaN的行。我们可以使用isnull()和any()函数进行筛选，或者使用dropna()函数删除含有NaN的行。另外，我们也可以使用fillna()函数填充NaN值。

尽管数据缺失常常会给数据分析带来困扰，但是我们可以利用Pandas提供的丰富函数库轻松处理这些问题。相信读者们在学习了本文之后，对于如何在Pandas中选择特定列中含有NaN的行有了更深入的了解。