列を明示的にリストせずに、pandas DataFrameから1つ以上のnullを含む行を選択する方法は？

30万行、40列までのデータフレームがあります。行にnull値が含まれているかどうかを確認し、これらの「null」行を別のデータフレームに配置して、簡単に探せるようにしたいと考えています。

マスクを明示的に作成できます：

mask = False
for col in df.columns: 
    mask = mask | df[col].isnull()
dfnulls = df[mask]

または私は次のようなことをすることができます：

df.ix[df.index[(df.T == np.nan).sum() > 1]]

それを行うよりエレガントな方法はありますか？

[の方法としてpandas持っisnullている現代に適応するように更新DataFrame sの。]

とを使用isnullしanyてブールシリーズを構築し、それを使用してフレームにインデックスを付けることができます。

>>> df = pd.DataFrame([range(3), [0, np.NaN, 0], [0, 0, np.NaN], range(3), range(3)])
>>> df.isnull()
       0      1      2
0  False  False  False
1  False   True  False
2  False  False   True
3  False  False  False
4  False  False  False
>>> df.isnull().any(axis=1)
0    False
1     True
2     True
3    False
4    False
dtype: bool
>>> df[df.isnull().any(axis=1)]
   0   1   2
1  0 NaN   0
2  0   0 NaN

[より古いpandas：]

isnullメソッドの代わりに関数を使用できます：

In [56]: df = pd.DataFrame([range(3), [0, np.NaN, 0], [0, 0, np.NaN], range(3), range(3)])

In [57]: df
Out[57]: 
   0   1   2
0  0   1   2
1  0 NaN   0
2  0   0 NaN
3  0   1   2
4  0   1   2

In [58]: pd.isnull(df)
Out[58]: 
       0      1      2
0  False  False  False
1  False   True  False
2  False  False   True
3  False  False  False
4  False  False  False

In [59]: pd.isnull(df).any(axis=1)
Out[59]: 
0    False
1     True
2     True
3    False
4    False

かなりコンパクトにつながる：

In [60]: df[pd.isnull(df).any(axis=1)]
Out[60]: 
   0   1   2
1  0 NaN   0
2  0   0 NaN

def nans(df): return df[df.isnull().any(axis=1)]

次に、必要なときに入力できます。

nans(your_dataframe)

.any()そして.all()、あなたがnull値の特定の番号を探しているとき、極端なケースのための素晴らしいですが、ありません。ここに私があなたが求めていると私が信じていることを実行する非常に簡単な方法があります。かなり冗長ですが、機能的です。

import pandas as pd
import numpy as np

# Some test data frame
df = pd.DataFrame({'num_legs':          [2, 4,      np.nan, 0, np.nan],
                   'num_wings':         [2, 0,      np.nan, 0, 9],
                   'num_specimen_seen': [10, np.nan, 1,     8, np.nan]})

# Helper : Gets NaNs for some row
def row_nan_sums(df):
    sums = []
    for row in df.values:
        sum = 0
        for el in row:
            if el != el: # np.nan is never equal to itself. This is "hacky", but complete.
                sum+=1
        sums.append(sum)
    return sums

# Returns a list of indices for rows with k+ NaNs
def query_k_plus_sums(df, k):
    sums = row_nan_sums(df)
    indices = []
    i = 0
    for sum in sums:
        if (sum >= k):
            indices.append(i)
        i += 1
    return indices

# test
print(df)
print(query_k_plus_sums(df, 2))

出力

   num_legs  num_wings  num_specimen_seen
0       2.0        2.0               10.0
1       4.0        0.0                NaN
2       NaN        NaN                1.0
3       0.0        0.0                8.0
4       NaN        9.0                NaN
[2, 4]

次に、私と同じように、これらの行を消去したい場合は、次のように記述します。

# drop the rows from the data frame
df.drop(query_k_plus_sums(df, 2),inplace=True)
# Reshuffle up data (if you don't do this, the indices won't reset)
df = df.sample(frac=1).reset_index(drop=True)
# print data frame
print(df)

出力：

   num_legs  num_wings  num_specimen_seen
0       4.0        0.0                NaN
1       0.0        0.0                8.0
2       2.0        2.0               10.0