Pandas：如何获取.dropna()将移除的列/行的布尔指示数组

当然可以！你完全不需要真的执行删除操作，直接复刻dropna()的核心逻辑就能生成标记待移除行/列的布尔掩码——这在你想要先确认哪些数据会被过滤，或者要基于这个标记做后续处理时特别实用。

核心逻辑拆解 #

dropna()的行为由两个参数决定：how（判断规则）和axis（操作维度），我们只需要用isna()结合any()/all()就能完全复现这个判断逻辑：

1. 针对行（axis=0，dropna()默认维度）

• 当how='any'：只要行内存在任意缺失值就会被移除，对应的布尔掩码为：

  mask = df.isna().any(axis=1)
  

  （isna()把缺失值转为True，any(axis=1)检查每行是否至少有一个True）

• 当how='all'：只有行内所有值都是缺失值才会被移除，对应的布尔掩码为：

  mask = df.isna().all(axis=1)
  

2. 针对列（axis=1）

• 当how='any'：只要列内存在任意缺失值就会被移除，对应的布尔掩码为：

  mask = df.isna().any(axis=0)
  

• 当how='all'：只有列内所有值都是缺失值才会被移除，对应的布尔掩码为：

  mask = df.isna().all(axis=0)
  

示例演示 #

我们用一个带缺失值的DataFrame来验证：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, np.nan, 3],
    'B': [np.nan, np.nan, np.nan],
    'C': [5, 6, 7]
})

# 标记会被 dropna(how='any', axis=0) 移除的行
mask_rows_any = df.isna().any(axis=1)
# 输出：0    False, 1     True, 2    False → 第二行会被移除

# 标记会被 dropna(how='all', axis=0) 移除的行
mask_rows_all = df.isna().all(axis=1)
# 输出：0    False, 1    False, 2    False → 没有全缺失的行

# 标记会被 dropna(how='any', axis=1) 移除的列
mask_cols_any = df.isna().any(axis=0)
# 输出：A     True, B     True, C    False → A、B列会被移除

# 标记会被 dropna(how='all', axis=1) 移除的列
mask_cols_all = df.isna().all(axis=0)
# 输出：A    False, B     True, C    False → 只有B列会被移除

额外提示 #

• 如果需要保留的行/列的掩码，只需对结果取反：~mask
• 这个逻辑和dropna()底层完全一致，你可以用df[~mask_rows_any]得到和df.dropna(how='any', axis=0)完全相同的结果

内容的提问来源于stack exchange，提问作者Daniil