如何从AnnData对象中过滤去除NaN值？

错误原因分析 #

你之前尝试的方法无效，核心原因是：

• adata.obs['cell_type'] != 'NaN'：这里把字符串'NaN'当成了缺失值，但实际数据中的缺失值是numpy的NaN，两者不匹配，无法过滤。
• adata.obs['cell_type'] != np.nan：NaN的特性是和任何值（包括自身）比较结果都是False，所以这个条件永远不成立，无法筛选掉NaN。
• scATAC_adata_raw.obs.dropna(how="any")：该方法仅返回过滤后的obs DataFrame，没有同步更新AnnData对象的其他部分（如表达矩阵X、var等），且未赋值回原对象，所以不会生效。

正确解决方案 #

结合你需要过滤leukocytes和NaN的需求，以下两种方法最直接有效：

方法1：布尔索引结合pd.notna()

使用pandas的notna()函数识别非缺失值，同时与过滤leukocytes的条件结合：

import pandas as pd

# 同时过滤cell_type为leukocytes和NaN的细胞
adata = adata[(adata.obs['cell_type'] != 'leukocytes') & pd.notna(adata.obs['cell_type'])]

方法2：使用AnnData的query()方法（更简洁）

利用query方法直接写筛选逻辑，语法更直观：

adata = adata.query("cell_type != 'leukocytes' and not cell_type.isna()")

单独过滤NaN的方法（若不需要过滤leukocytes）

如果仅需要去除NaN值，可直接用：

adata = adata[pd.notna(adata.obs['cell_type'])]

补充：正确使用dropna的方式 #

如果一定要用dropna，需要基于过滤后的索引更新整个AnnData对象：

# 获取cell_type列无缺失值的样本索引
valid_cells = adata.obs.dropna(subset=['cell_type']).index
# 过滤AnnData，同时排除leukocytes
adata = adata[(adata.obs['cell_type'] != 'leukocytes') & adata.obs.index.isin(valid_cells)]

内容的提问来源于stack exchange，提问作者Maria Pereira