获取在一列中所有值均为nan的行

Question

我想过滤名称，其中a列中的所有值均为nan

这是我尝试过的

full.groupby('name')['opp'].isna().any(1)

但是这将返回错误消息：

AttributeError: Cannot access callable attribute 'isna' of 'SeriesGroupBy' objects, try using the 'apply' method

这是我的数据示例

name            opp 
 f              nan
 f              nan
 g               f
 g              nan
 g              nan
 g              nan
 k              nan

所需的输出是

name     opp
f        nan
f        nan
k        nan

Answer 1

使用GroupBy.transform和GroupBy.all来测试每个组是否所有True（所有NaN值）并按boolean indexing进行过滤：

df = full[full['opp'].isna().groupby(full['name']).transform('all')]

替代方法是获取所有包含至少一个非缺失值的name，并按Series.isin过滤原始名称列：

df = full[~full['name'].isin(full.loc[full['opp'].notna(), 'name'])]

---

print (df)
  name  opp
0    f  NaN
1    f  NaN
6    k  NaN

Answer 2

您可以使用filter：

print(df.groupby('name').filter(lambda x: x['opp'].isna().all()))

输出

  name  opp
0    f  NaN
1    f  NaN
6    k  NaN

您也可以使用dropna + isin：

lookup = set(df.dropna(subset=['opp']).name.values)
print(df[~df.name.isin(lookup)])

输出

  name  opp
0    f  NaN
1    f  NaN
6    k  NaN