Pandas中dropna()的相反操作是什么？

Question

我有一个 pandas 的 DataFrame，我想把其中没有缺失值的观测值和有缺失值的观测值分开。我可以使用 dropna() 来获取没有缺失值的行。那么有没有相应的 analong 可以获得具有缺失值的行呢？

我有一个 pandas 的 DataFrame，我想把其中没有缺失值的观测值和有缺失值的观测值分开。我可以使用 dropna() 来获取没有缺失值的行。那么有没有相应的方法可以获得具有缺失值的行呢？

#Example DataFrame
import pandas as pd
df = pd.DataFrame({'col1': [1,np.nan,3,4,5],'col2': [6,7,np.nan,9,10],})

#Get observations without missing values
df.dropna()

- Gaurav Bansal

Answer 1

按行检查null值并使用布尔索引进行过滤：

df[df.isnull().any(1)]

#  col1 col2
#1  NaN  7.0
#2  3.0  NaN

- Psidom

---

如果你非常关心性能，可以使用 df[np.isnan(df.values).any(1)] - ndarray 和 DataFrame 在 any 函数性能上的差异对我来说一直很明显。 - miradulo

Answer 2

~ = 相反的 :-)

df.loc[~df.index.isin(df.dropna().index)]

Out[234]: 
   col1  col2
1   NaN   7.0
2   3.0   NaN

或者

df.loc[df.index.difference(df.dropna().index)]
Out[235]: 
   col1  col2
1   NaN   7.0
2   3.0   NaN

- BENY

Answer 3

我将以下表达式作为dropna的相反方式使用。在这种情况下，它基于指定的列保留空值行。任何有值的都不被保留。

csv_df = csv_df.loc[~csv_df['Column_name'].notna(), :]

- PhilipBert