如何在Pandas中选取含NaN单元格数量最少的列？

核心思路 #

1. 统计每列的NaN单元格总数
2. 定位NaN数量最少的列（支持单/多列场景）
3. 提取目标列

具体实现代码 #

先通过isna().sum()统计每列的NaN数量：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({
    'col1': [1, np.nan, 3, np.nan, 5],
    'col2': [np.nan, np.nan, np.nan, 4, 5],
    'col3': [1, 2, 3, 4, 5],
    'col4': [np.nan, 2, np.nan, 4, np.nan]
})

# 统计每列的NaN数量
nan_counts = df.isna().sum()

场景1：仅提取单个NaN最少的列

# 获取NaN数量最少的列名
min_nan_col = nan_counts.idxmin()
# 提取该列
target_col = df[min_nan_col]

场景2：提取所有NaN数量相同且为最小值的列

如果存在多列NaN数量并列最少，用布尔索引筛选：

# 获取NaN数量的最小值
min_nan_value = nan_counts.min()
# 筛选所有符合条件的列名
min_nan_cols = nan_counts[nan_counts == min_nan_value].index
# 提取这些列
target_cols = df[min_nan_cols]

关键方法解释 #

• df.isna()：生成布尔型DataFrame，标记每个单元格是否为NaN
• .sum()：按列求和，得到每列的NaN总数
• idxmin()：返回Series中最小值对应的索引（即目标列名）
• min()：获取NaN数量的最小值，用于批量筛选符合条件的列

内容的提问来源于stack exchange，提问作者Florent