UPDATE: użyciu Pandy 0.22.0
Nowsze wersje Pandy mają nowe metody 'DataFrame.isna()' i 'DataFrame.notna()'
In [71]: df
Out[71]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [72]: df.isna().any()
Out[72]:
a True
b True
c False
dtype: bool
lista kolumn:
In [74]: df.columns[df.isna().any()].tolist()
Out[74]: ['a', 'b']
wybrać te kolumny (zawierające co najmniej jeden NaN
wartości):
In [73]: df.loc[:, df.isna().any()]
Out[73]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
odpowiedź OLD:
spróbuje użyć isnull():
In [97]: df
Out[97]:
a b c
0 NaN 7.0 0
1 0.0 NaN 4
2 2.0 NaN 4
3 1.0 7.0 0
4 1.0 3.0 9
5 7.0 4.0 9
6 2.0 6.0 9
7 9.0 6.0 4
8 3.0 0.0 9
9 9.0 0.0 1
In [98]: pd.isnull(df).sum() > 0
Out[98]:
a True
b True
c False
dtype: bool
lub @root proponowanych bardziej przejrzysta wersja:
In [5]: df.isnull().any()
Out[5]:
a True
b True
c False
dtype: bool
In [7]: df.columns[df.isnull().any()].tolist()
Out[7]: ['a', 'b']
wybrać podzbiór - wszystkie kolumny zawierające co najmniej jeden NaN
wartość:
In [31]: df.loc[:, df.isnull().any()]
Out[31]:
a b
0 NaN 7.0
1 0.0 NaN
2 2.0 NaN
3 1.0 7.0
4 1.0 3.0
5 7.0 4.0
6 2.0 6.0
7 9.0 6.0
8 3.0 0.0
9 9.0 0.0
Dzięki za odpowiedź! Szukam uzyskać listę nazw kolumn (odpowiednio zaktualizowałem moje pytanie), czy wiesz jak? – denvar
już w odpowiedzi ln [7] powyżej –
Witam @AzizAlto, tak, odpowiedź została zaktualizowana po aktualizacji mojego własnego pytania. – denvar