如何检查 pandas DataFrame 中的特定单元格是否为空？答案

【问题标题】：How to check if a particular cell in pandas DataFrame isnull?如何检查 pandas DataFrame 中的特定单元格是否为空？
【发布时间】：2017-08-12 19:24:23
【问题描述】：

我在熊猫中有以下df。

0       A     B     C
1       2   NaN     8

如何检查 df.iloc[1]['B'] 是否为 NaN？

我尝试使用df.isnan()，得到一张这样的表格：

0       A     B      C
1   false  true  false

但我不确定如何为表编制索引，以及这是否是执行工作的有效方式？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

如果您在特定列中查找 NaN 的索引，您可以使用

list(df['B'].index[df['B'].apply(np.isnan)])

如果您要获取数据框中所有可能的 NaN 值的索引，您可以执行以下操作

row_col_indexes = list(map(list, np.where(np.isnan(np.array(df)))))
indexes = []
for i in zip(row_col_indexes[0], row_col_indexes[1]):
    indexes.append(list(i))

如果您正在寻找可以使用的单衬里：

list(zip(*[x for x in list(map(list, np.where(np.isnan(np.array(df)))))]))

【讨论】：

【解决方案2】：

jezrael 的反应很到位。如果您只关心 NaN 值，我正在探索是否有更快的选择，因为根据我的经验，对平面数组求和（奇怪地）比计数更快。这段代码似乎更快：

df.isnull().values.any()

例如：

In [2]: df = pd.DataFrame(np.random.randn(1000,1000))

In [3]: df[df > 0.9] = pd.np.nan

In [4]: %timeit df.isnull().any().any()
100 loops, best of 3: 14.7 ms per loop

In [5]: %timeit df.isnull().values.sum()
100 loops, best of 3: 2.15 ms per loop

In [6]: %timeit df.isnull().sum().sum()
100 loops, best of 3: 18 ms per loop

In [7]: %timeit df.isnull().values.any()
1000 loops, best of 3: 948 µs per loop

【讨论】：

这不会检查特定的单元格。
如何检查特定单元格是否为 nan e,g df['colname'].values[0] 是否为空如何检查此 pd.isnull - 根据值返回 bool 或数组是否为空或不为空，但在 if 条件下使用时抛出错误
选择使用 loc 或 iloc:

【解决方案3】：

使用pd.isnull，供选择使用loc或iloc：

print (df)
   0  A   B  C
0  1  2 NaN  8

print (df.loc[0, 'B'])
nan

a = pd.isnull(df.loc[0, 'B'])
print (a)
True

print (df['B'].iloc[0])
nan

a = pd.isnull(df['B'].iloc[0])
print (a)
True

【讨论】：

我试过这个，但我得到以下错误：TypeError: isnull() 只需要 1 个参数（给定 2 个）
我写的是df.isnull(df['B'].iloc[0])而不是pd.isnull(df['B'].iloc[0])。谢谢你这解决了我的问题！