如何使用含NaN的键调用pandas的get_group方法？

你的推测完全正确，问题根源就是**np.nan != np.nan**的特性：虽然dropna=False时pandas会把NaN作为有效分组键，但直接传入np.nan调用get_group时，内部的键匹配逻辑会因为这个不等性判定失败，抛出KeyError。以下是几个实用的解决办法：

方法1：使用pd.NA作为查询键 #

pandas的pd.NA是专门设计的缺失值标识，在分组查询的匹配逻辑中能被正确识别为NaN分组的键：

import pandas as pd
import numpy as np

# 示例数据
df = pd.DataFrame({'col': [1, 2, np.nan, 3, np.nan], 'val': [10, 20, 30, 40, 50]})
grouped = df.groupby('col', dropna=False)

# 使用pd.NA获取NaN分组
nan_group = grouped.get_group(pd.NA)
print(nan_group)

方法2：通过groups属性定位NaN分组 #

利用grouped.groups获取所有分组键，再通过pd.isna筛选出NaN对应的键：

# 遍历分组键，找到NaN对应的键
nan_key = next(k for k in grouped.groups if pd.isna(k))
# 获取分组
nan_group = grouped.get_group(nan_key)

这种方法兼容np.nan和pd.NA两种缺失值类型，无需修改原始数据。

方法3：提前替换NaN为特殊标记值 #

分组前将列中的NaN替换为一个唯一的非缺失值标记，后续直接用该标记查询：

# 替换NaN为特殊标记
df['col'] = df['col'].fillna('__CUSTOM_NAN__')
grouped = df.groupby('col', dropna=False)
# 用标记值获取分组
nan_group = grouped.get_group('__CUSTOM_NAN__')

该方法适合需要频繁查询NaN分组的场景，避免每次查询都要处理缺失值匹配问题。

内容的提问来源于stack exchange，提问作者Bman425