Question

我有一个像这样的pandas DataFrame：

                    a         b
2011-01-01 00:00:00 1.883381  -0.416629
2011-01-01 01:00:00 0.149948  -1.782170
2011-01-01 02:00:00 -0.407604 0.314168
2011-01-01 03:00:00 1.452354  NaN
2011-01-01 04:00:00 -1.224869 -0.947457
2011-01-01 05:00:00 0.498326  0.070416
2011-01-01 06:00:00 0.401665  NaN
2011-01-01 07:00:00 -0.019766 0.533641
2011-01-01 08:00:00 -1.101303 -1.408561
2011-01-01 09:00:00 1.671795  -0.764629

是否有一种有效的方法来查找具有NaN的行的“整数”索引？在这种情况下，所需的输出应为[3, 6]。

Answer 1

这是一个更简单的解决方案：

inds = pd.isnull(df).any(1).nonzero()[0]

In [9]: df
Out[9]: 
          0         1
0  0.450319  0.062595
1 -0.673058  0.156073
2 -0.871179 -0.118575
3  0.594188       NaN
4 -1.017903 -0.484744
5  0.860375  0.239265
6 -0.640070       NaN
7 -0.535802  1.632932
8  0.876523 -0.153634
9 -0.686914  0.131185

In [10]: pd.isnull(df).any(1).nonzero()[0]
Out[10]: array([3, 6])

Answer 2

对于DataFrame df：

import numpy as np
index = df['b'].index[df['b'].apply(np.isnan)]

会返回MultiIndex，您可以将其用于索引回df，例如：

df['a'].ix[index[0]]
>>> 1.452354

对于整数索引：

df_index = df.index.values.tolist()
[df_index.index(i) for i in index]
>>> [3, 6]

Answer 3

以防万一，如果你想找到＆＃39; nan＆＃39;的坐标。对于所有列而言（假设它们都是数字），请转到：

SELECT screening_start_hh24 INTO v_screening_start_hh24 
FROM Screening 
WHERE screening_id = :NEW.screening_id;

Answer 4

不知道这是否为时已晚，但是您可以使用np.where来查找非值的索引，如下所示：

indices = list(np.where(df['b'].isna()[0]))

Answer 5

一线解决方案。但是，它仅适用于一列。

df.loc[pandas.isna(df["b"]), :].index

Answer 6

这是另一个更简单的看法：

df = pd.DataFrame([[0,1,3,4,np.nan,2],[3,5,6,np.nan,3,3]])

inds = np.asarray(df.isnull()).nonzero()

(array([0, 1], dtype=int64), array([4, 3], dtype=int64))

Answer 7

我正在寻找具有NaN值的行的所有索引。
我的工作解决方案：

def get_nan_indexes(data_frame):
    indexes = []
    print(data_frame)
    for column in data_frame:
        index = data_frame[column].index[data_frame[column].apply(np.isnan)]
        if len(index):
            indexes.append(index[0])
    df_index = data_frame.index.values.tolist()
    return [df_index.index(i) for i in set(indexes)]

Answer 8

以下是几种方法的测试：

%timeit np.where(np.isnan(df['b']))[0]
%timeit pd.isnull(df['b']).nonzero()[0]
%timeit np.where(df['b'].isna())[0]
%timeit df.loc[pd.isna(df['b']), :].index

及其相应的时间安排：

333 µs ± 9.95 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
280 µs ± 220 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
313 µs ± 128 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
6.84 ms ± 1.59 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

看来pd.isnull(df['DRGWeight']).nonzero()[0]在计时方面胜出，但是前三种方法中的任何一种都具有可比的性能。

Answer 9

这将为您提供每一列中 nan 的索引值：

df.loc[pd.isna(df).any(1), :].index

Answer 10

如果您有日期时间索引，并且想要具有以下值：

df.loc[pd.isnull(df).any(1), :].index.values

Answer 11

让数据框命名为 df ，并且感兴趣的列（即我们要在其中查找空值的列）是< strong> 'b' 。然后，以下代码段在数据框中给出了所需的null索引：

SELECT DISTINCT  `clients_agreements`.`date_start`
  , `buildings`.`id`
  , `buildings`.`street`
  , `buildings`.`street_nr`
  , `clients`.`building_id`
  , `clients_agreements`.`user_id` 
FROM `clients_agreements` 
LEFT JOIN `buildings` On `clients_agreements`.`user_id` = `buildings`.`id` 
LEFT JOIN `clients` ON `clients`.`building_id` = `buildings`.`id`
WHERE `date_start` = (CURRENT_DATE)

Answer 12

另一个简单的解决方案是list(np.where(df['b'].isnull())[0])

在pandas数据帧中查找具有NaN的行的整数索引

12 个答案: