Python如何筛选DataFrame中某列含NaN值的所有行

你的核心问题是错误地用类型判断来筛选NaN值——因为latitude列本身就是float类型，NaN也属于float，所以isinstance(row, float)会把所有行都标记为True，完全起不到筛选作用。

直接用pandas内置的isna()（或isnull()，两者功能一致）来生成布尔掩码，这是pandas中检测NaN最高效、最标准的方式：

修改后的完整代码 #

def boolean_mask_loop(df):
    # 直接生成针对latitude列NaN值的布尔掩码
    msk = df['latitude'].isna()
    
    out = []
    # 直接遍历筛选后的address列，无需转成list
    for target in df.loc[msk, 'address']:
        dict_temp = geocoding(target)
        out.append([dict_temp['lat'], dict_temp['long']])
    
    # 批量更新对应行的latitude和longitude
    df.loc[msk, ['latitude', 'longitude']] = out
    
    return df

关键说明 #

1. 掩码生成：df['latitude'].isna()会返回一个和DataFrame行数一致的布尔Series，其中只有latitude为NaN的位置是True，完美匹配你的需求。
2. 效率优化：避免了把列转成list再遍历的额外开销，pandas的矢量化掩码操作比手动列表推导快得多，尤其适合20000行的大数据量。
3. 逻辑验证：针对你给出的示例DataFrame，这个掩码会精准选中id=1和id=2的行，调用geocoding后更新对应的经纬度，不会影响id=3的有效数据。

额外优化建议（可选） #

如果需要处理的NaN行数较多，循环调用geocoding会比较慢，可以考虑：

• 批量传递地址列表给地理编码接口（如果接口支持）
• 使用异步请求库（如aiohttp）并发调用接口，减少等待时间

内容的提问来源于stack exchange，提问作者CGarden