如何在Pandas DataFrame中筛选特定列存在缺失值的数据？

嘿，这个需求在数据清洗里太常见了，我给你分情况讲清楚怎么用Pandas实现，附带示例代码，一看就懂～

1. 筛选某单列存在缺失值的行 #

假设你的DataFrame叫df，要筛选的列是target_col，直接用isna()（或者等价的isnull()）生成布尔掩码，再做索引就行：

# 筛选col1列有缺失值的行
filtered_df = df[df['col1'].isna()]

2. 筛选两列中任意一列存在缺失值的行 #

这里有两种写法，选你顺手的来：

方法一：用逻辑或运算符| #

注意要给每个条件加括号，避免运算符优先级问题：

# 筛选col1或col2存在缺失值的行
filtered_df = df[(df['col1'].isna()) | (df['col2'].isna())]

方法二：用any(axis=1)批量检查 #

如果后续要扩展到更多列，这个方法更简洁——先选中目标列，生成缺失值矩阵，再按行判断是否有任意缺失：

# 筛选col1或col2存在缺失值的行
filtered_df = df[df[['col1', 'col2']].isna().any(axis=1)]

3. 额外补充：筛选两列都存在缺失值的行 #

虽然你没提，但万一需要的话，把上面的逻辑换成“与”就行：

• 用逻辑与运算符&：

filtered_df = df[(df['col1'].isna()) & (df['col2'].isna())]

• 用all(axis=1)批量检查：

filtered_df = df[df[['col1', 'col2']].isna().all(axis=1)]

示例演示 #

给你个完整的例子，跑一遍就明白效果了：

import pandas as pd
import numpy as np

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

# 筛选col1或col2有缺失的行
result = df[df[['col1', 'col2']].isna().any(axis=1)]
print(result)

输出结果会是：

col1  col2  col3
0   1.0   NaN     1
1   NaN   2.0     2
2   3.0   NaN     3
3   NaN   4.0     4

内容的提问来源于stack exchange，提问作者C_forcode