Pandas DataFrame同时检查多列是否为空

Question

鉴于以下内容：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a':[np.nan,1,2],'b':[np.nan,np.nan,4]})

     a    b
0  NaN  NaN
1  1.0  NaN
2  2.0  4.0

如何返回既有“a”列又有“b”列为空值的行，而不必针对每一列使用pd.isnull？

期望结果：

     a    b
0  NaN  NaN

我知道这个方法可行（但这不是我想要的方式）：

df.loc[(pd.isnull(df['a']) & (pd.isnull(df['b'])]

我尝试了这个：

df.loc[pd.isnull(df[['a', 'b']])]

...但是遇到了以下错误：

ValueError: Cannot index with multidimensional key

谢谢您提前的支持！

- Dance Party2

Answer 1

你已经接近了：

df[~pd.isnull(df[['a', 'b']]).all(1)]

或者

df[df[['a','b']].isna().all(1)]

怎么样：

df.dropna(subset=['a','b'], how='all')

- Quang Hoang

---

@DanceParty2 正在准备更新。完成！ - Quang Hoang

太完美了！非常感谢。另外，.all(1)是什么意思？ - Dance Party2

这是“all(axis=1)”的简写，即按行检查，默认为“axis=0”，按列检查。 - Quang Hoang

Answer 2

根据您提供的示例，请尝试以下步骤。在此处使用 isnull函数。

mask1 = df['a'].isnull()
mask2 = df['b'].isnull()
df[mask1 & mask2]

上面的答案是为了更好地理解而创建两个变量。如果您想在 df 本身内使用条件，并且不想创建条件变量 (在这种情况下是 mask1 和 mask2)，请尝试以下操作。

df[df['a'].isnull() & df['b'].isnull()]

输出结果如下。

    a   b
0   NaN NaN

- RavinderSingh13

Answer 3

您可以使用 dropna() 函数，参数为 how=all。

df.dropna(how='all')

输出：

   a    b
1  1.0  NaN
2  2.0  4.0

由于问题已经更新，你可以使用df.isnull()或df.isna()创建掩码，并相应地进行过滤。

df[df.isna().all(axis=1)]
   a   b
0 NaN NaN

- ThePyGuy

---

问题已更新。我会相应地更新答案。 - ThePyGuy