给定一个pandas数据帧，其中包含（可能）分散在这里和那里的NaN值：
问题：如何确定哪些列包含NaN值？特别是，我可以获得包含NaN的列名列表吗？
谢谢
答案 0 :(得分：155)
更新：使用Pandas 0.22.0
较新的Pandas版本有新方法'DataFrame.isna()'和'DataFrame.notna()'
In [71]: df
Out[71]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [72]: df.isna().any()
Out[72]:
a True
b True
c False
dtype: bool
作为列列表：
In [74]: df.columns[df.isna().any()].tolist()
Out[74]: ['a', 'b']
选择那些列（包含至少一个NaN值）：
In [73]: df.loc[:, df.isna().any()]
Out[73]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
OLD回答：
尝试使用isnull()：
In [97]: df
Out[97]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [98]: pd.isnull(df).sum() > 0
Out[98]:
a True
b True
c False
dtype: bool
或@root提出更清晰的版本：
In [5]: df.isnull().any()
Out[5]:
a True
b True
c False
dtype: bool
In [7]: df.columns[df.isnull().any()].tolist()
Out[7]: ['a', 'b']
选择一个子集 - 包含至少一个NaN值的所有列：
In [31]: df.loc[:, df.isnull().any()]
Out[31]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
答案 1 :(得分：19)
您可以使用df.isnull().sum()。它显示了每个要素的所有列和总NaN。
答案 2 :(得分：3)
我有一个问题，我不得不在屏幕上目视检查许多列，因此筛选和返回有问题的列的简短列表组合是
nan_cols = [i for i in df.columns if df[i].isnull().any()]
如果这对任何人都有帮助
答案 3 :(得分：3)
df.columns[df.isnull().any()].tolist()
返回包含空行的列名
答案 4 :(得分：3)
这是其中一种方法..
import pandas as pd
df = pd.DataFrame({'a':[1,2,np.nan], 'b':[np.nan,1,np.nan],'c':[np.nan,2,np.nan], 'd':[np.nan,np.nan,np.nan]})
print(pd.isnull(df).sum())
答案 5 :(得分：2)
在具有大量列的数据集中，最好查看有多少列包含空值而有多少列不包含空值。
print("No. of columns containing null values")
print(len(df.columns[df.isna().any()]))
print("No. of columns not containing null values")
print(len(df.columns[df.notna().all()]))
print("Total no. of columns in the dataframe")
print(len(df.columns))
例如，在我的数据框中，它包含82列，其中19列至少包含一个空值。
此外，您还可以自动删除列和行，具体取决于哪个列具有更多的空值
这是执行此操作的代码：
df.drop(df.columns[df.isna().sum()>len(df.columns)],axis = 1,inplace = True)
df.dropna(axis = 0,inplace = True)
注意：上面的代码删除了所有空值。如果需要空值，请先处理它们。
答案 6 :(得分：2)
这对我有用，
1。为了获得具有至少1个空值的列。 （列名）
data.columns[data.isnull().any()]
2。要获取具有count且具有至少1个空值的列。
data[data.columns[data.isnull().any()]].isnull().sum()
[可选] 3。用于获取空计数的百分比。
data[data.columns[data.isnull().any()]].isnull().sum() * 100 / data.shape[0]
答案 7 :(得分：1)
我使用以下三行代码来打印出至少包含一个空值的列名：
for column in dataframe:
if dataframe[column].isnull().any():
print('{0} has {1} null values'.format(column, dataframe[column].isnull().sum()))
答案 8 :(得分：0)
这两个都应该起作用：
df.isnull().sum()
df.isna().sum()
DataFrame方法isna()或isnull()完全相同。
注意：空字符串''被认为是False（不认为是NA）
答案 9 :(得分：0)
只查看包含 NaN 的列和包含 NaN 的行：
isnulldf = df.isnull()
columns_containing_nulls = isnulldf.columns[isnulldf.any()]
rows_containing_nulls = df[isnulldf[columns_containing_nulls].any(axis='columns')].index
only_nulls_df = df[columns_containing_nulls].loc[rows_containing_nulls]
print(only_nulls_df)
答案 10 :(得分：0)
features_with_na=[features for features for dataframe.columns if dataframe[features].isnull().sum()>0]
对于 features_with_na 中的功能： 打印（特征，np.round（数据帧[特征].isnull（）。mean（），4），'％缺失值'） 打印（features_with_na）
答案 11 :(得分：-1)
df.isna()返回NaN的 True 值，其余返回 False 。因此，这样做：
df.isna().any()
对于任何具有NaN的列，将返回True，对于其余的列，则返回 False