我有一个像这样的数据框
>>df1 = pd.DataFrame({'A': ['1', '2', '3', '4','5'],
'B': ['1', '1', '1', '1','1'],
'C': ['c', 'A1', None, 'c3',None],
'D': ['d0', 'B1', 'B2', None,'B4'],
'E': ['A', None, 'S', None,'S'],
'F': ['3', '4', '5', '6','7'],
'G': ['2', '2', None, '2','2']})
>>df1
A B C D E F G
0 1 1 c d0 A 3 2
1 2 1 A1 B1 None 4 2
2 3 1 None B2 S 5 None
3 4 1 c3 None None 6 2
4 5 1 None B4 S 7 2
然后删除包含nan值df2 = df1.dropna()
A B C D E F G
1 2 1 A1 B1 None 4 2
2 3 1 None B2 S 5 None
3 4 1 c3 None None 6 2
4 5 1 None B4 S 7 2
这是一个丢弃的数据帧,因为这些行包含nan值。 但是,我想知道为什么会被丢弃?哪一列是“第一个纳米值列”,该行被删除了?我需要一个失败的报告理由。
输出应为
['E','C','D','C']
我知道我可以按每列进行dropna
然后将其记录为原因
但它确实没有效率。
有没有更有效的方法来解决这个问题? 谢谢
答案 0 :(得分:6)
我认为您可以按DataFrame.isnull
创建布尔数据框,然后按boolean indexing
进行过滤,其中至少有一个True
到any
,最后idxmax
- 您获得True
的第一个DataFrame
值的列名:
booldf = df1.isnull()
print (booldf)
A B C D E F G
0 False False False False False False False
1 False False False False True False False
2 False False True False False False True
3 False False False True True False False
4 False False True False False False False
print (booldf.any(axis=1))
0 False
1 True
2 True
3 True
4 True
dtype: bool
print (booldf[booldf.any(axis=1)].idxmax(axis=1))
1 E
2 C
3 D
4 C
dtype: object
答案 1 :(得分:0)
我会使用itertools
和numpy.where
以及pd.DataFrame.isnull
的组合:
>>> df1.isnull()
A B C D E F G
0 False False False False False False False
1 False False False False True False False
2 False False True False False False True
3 False False False True True False False
4 False False True False False False False
>>> from itertools import *
>>> r,c = np.where(df1.isnull().values)
>>> first_cols = [next(g)[1] for _, g in groupby(izip(r,c), lambda t:t[0])]
>>> df1.columns[first_cols]
Index([u'E', u'C', u'D', u'C'], dtype='object')
>>>
对于Python 2,使用izip
中的itertools
,而在Python 3中,只需使用内置zip
。