在Pandas DataFrame中识别行内不一致值（忽略缺失值）

要实现忽略缺失值、标记行内非缺失值不一致的行，你可以直接利用nunique()方法的dropna=True参数，计算每行非缺失值的唯一值数量，再判断该数量是否大于1即可。

示例代码 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'Col1': ['Cell1', 'A', 'B', np.nan],
    'Col2': ['Cell2', 'A', np.nan, 'C'],
    'Col3': [np.nan, 'A', 'B', 'C']
})

# 标记存在不一致非缺失值的行
df['has_inconsistency'] = df.nunique(axis=1, dropna=True) > 1

结果说明 #

运行后得到的DataFrame如下：

• nunique(axis=1, dropna=True)会跳过每行的缺失值，只统计非缺失值的唯一值数量
• 当唯一值数量大于1时，说明该行存在不一致的非缺失值，标记为True
• 整行全为缺失值时，nunique返回0，不会被标记为不一致

替代方案（若需更精细控制） #

如果需要自定义判断逻辑，可以用apply结合dropna手动处理：

def check_inconsistency(row):
    non_null_vals = row.dropna()
    return len(non_null_vals.unique()) > 1

df['has_inconsistency'] = df.apply(check_inconsistency, axis=1)

这个方法和nunique方案效果一致，适合需要扩展逻辑的场景。

内容的提问来源于stack exchange，提问作者Lucy Asar