一种方法是使用 df.index.isnull()
来确定 NaN 的位置:
In [218]: df = pd.DataFrame({'Date': [0, 1, 2, 0, 1, 2], 'Name': ['A', 'B', 'C', 'A', 'B', 'C'], 'val': [0, 1, 2, 3, 4, 5]}, index=['DC', np.nan, 'BS', 'AB', 'OA', np.nan]); df
Out[218]:
Date Name val
DC 0 A 0
NaN 1 B 1
BS 2 C 2
AB 0 A 3
OA 1 B 4
NaN 2 C 5
In [219]: df.index.isnull()
Out[219]: array([False, True, False, False, False, True], dtype=bool)
然后,您可以使用df.loc
选择这些行:
In [220]: df.loc[df.index.isnull()]
Out[220]:
Date Name val
NaN 1 B 1
NaN 2 C 5
注意:我的原始答案使用了
pd.isnull(df.index)
而不是
Zero 建议的 df.index.isnull()
。最好使用
df.index.isnull()
,因为对于不能包含 NaN 的索引类型(如
Int64Index
和
RangeIndex
),
isnull
方法会
立即返回所有 False 值的数组,而不是盲目地检查索引中的每个项目是否为 NaN 值。