在pandas数据帧中查找具有NaN的行的整数索引

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

有没有一种有效的方法来找到具有NaNs的行的"整数"索引？在这种情况下,所需的输出应该是[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)]

会回复MultiIndex您可以用来索引的内容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

为了以防万一,如果你想为所有列找到'nan'的坐标(假设它们都是数字),你可以去:

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

df
   0  1  2    3    4  5
0  0  1  3  4.0  NaN  2
1  3  5  6  NaN  3.0  3

np.where(np.asanyarray(np.isnan(df)))
(array([0, 1]), array([4, 3]))

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

如果您有日期时间索引并且您想拥有以下值：

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

Answer 7

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

以及它们对应的时间：

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)

似乎pd.isnull(df['DRGWeight']).nonzero()[0]在时间方面获胜，但前三种方法中的任何一种都具有相当的性能。