Python pandas.DataFrame 找出有空值的行

要找出pandas.DataFrame中有空值的行，可以使用以下步骤：

1. 使用.isnull()函数来检查数据中的空值。例如，我们有一个名为df的DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, None], 'B': [5, None, 7], 'C': [9, 10, 11]})
print(df)

以下是输出：

     A    B   C
0  1.0  5.0   9
1  2.0  NaN  10
2  NaN  7.0  11

我们使用.isnull()函数来检查每个元素是否为空：

null_mask = df.isnull()
print(null_mask)

以下是输出：

       A      B      C
0  False  False  False
1  False   True  False
2   True  False  False

这个输出生成了一个新的DataFrame，其中True表示如果列中的值为空时则为该表中的空值。现在我们已经找到所有为空值的元素了。

1. 使用.any()函数查找包含空值的行。使用了axis参数，设为1，这将提供对行的迭代：

row_has_null = null_mask.any(axis=1)
print(row_has_null)

以下是输出：

0    False
1     True
2     True
dtype: bool

这将生成一个布尔Series，其中显然包含任何空值的行返回True。

1. 现在我们可以使用此布尔Series进行索引，以检索包含空值的行：

rows_with_null = df[row_has_null]
print(rows_with_null)

以下是输出：

     A    B   C
1  2.0  NaN  10
2  NaN  7.0  11

这将生成一个包含所有包含空值的行的DataFrame。

示例：

import pandas as pd
import numpy as np

data = {"name": ["Alice", "Bob", "Charlie", "David", "Eli"],
        "age": [25, 33, 40, None, 29],
        "gender": ["Female", None, "Male", "Male", "Male"],
        "height": [1.62, np.nan, 1.75, 1.80, 1.79]}

df = pd.DataFrame(data)
print(df)

输出：

      name   age  gender  height
0    Alice  25.0  Female    1.62
1      Bob  33.0    None     NaN
2  Charlie  40.0    Male    1.75
3    David   NaN    Male    1.80
4      Eli  29.0    Male    1.79

我们使用上述三个步骤可以找到包含空值的行：

# 第一步：使用 `.isnull()` 函数检查数据中的空值
null_mask = df.isnull()
print(null_mask)

# 第二步：使用 `.any()` 函数查找包含空值的行
row_has_null = null_mask.any(axis=1)
print(row_has_null)

# 第三步：使用此布尔Series进行索引，以检索包含空值的行
rows_with_null = df[row_has_null]
print(rows_with_null)

输出：

    name    age  gender  height
0  False  False   False   False
1  False  False    True    True
2  False  False   False   False
3  False   True   False   False
4  False  False   False   False

0    False
1     True
2    False
3     True
4    False
dtype: bool

    name   age gender  height
1    Bob  33.0   None     NaN
3  David   NaN   Male    1.80

另一个示例：

import pandas as pd
import numpy as np

data = {"name": ["Alice", "Bob", "Charlie", "David", "Eli"],
        "age": [25, 33, 40, None, 29],
        "gender": ["Female", None, "Male", "Male", "Male"],
        "height": [1.62, np.nan, 1.75, 1.80, 1.79],
        "nationality": ["USA","China",None,"UK","India"]}

df = pd.DataFrame(data)
print(df)

输出：

      name   age  gender  height nationality
0    Alice  25.0  Female    1.62         USA
1      Bob  33.0    None     NaN       China
2  Charlie  40.0    Male    1.75        None
3    David   NaN    Male    1.80          UK
4      Eli  29.0    Male    1.79       India

现在假设我们想找到包含空值的行，但只想检查age和gender列中的空值，我们可以这样做：

# 第一步：使用 `.isnull()` 函数检查数据中的空值
null_mask = df[['age', 'gender']].isnull()
print(null_mask)

# 第二步：使用 `.any()` 函数查找包含空值的行
row_has_null = null_mask.any(axis=1)
print(row_has_null)

# 第三步：使用此布尔Series进行索引，以检索包含空值的行
rows_with_null = df[row_has_null]
print(rows_with_null)

这里我们指定使用age和gender列，然后执行相同的步骤，并使用此新创建的DataFrame执行第二步。输出为：

    age  gender
0  False   False
1  False    True
2  False   False
3   True   False
4  False   False

0    False
1     True
2    False
3     True
4    False
dtype: bool

    name   age gender  height nationality
1    Bob  33.0   None     NaN       China
3  David   NaN   Male     1.8          UK