如何遍历Pandas稀疏Series并跳过缺失值？

方法1：布尔索引筛选原Series索引 #

直接通过判断值是否等于填充值，筛选出目标索引，这是最稳妥的通用方法：

import pandas as pd

a = pd.Series([2, 3, 0, 0, 4], dtype='Sparse[int]')
non_null_indices = a[a != a.sparse.fill_value].index.tolist()
print(non_null_indices)  # 输出: [0, 1, 4]

方法2：访问SparseArray的indices属性 #

虽然a.sparse.sp_index报错，但可以直接访问Series底层SparseArray的indices属性：

non_null_indices = a.array.indices.tolist()
print(non_null_indices)  # 输出: [0, 1, 4]

注意：该方法依赖Pandas内部实现，不同版本可能存在兼容性问题，优先推荐方法1。

方法3：遍历非空值时同步获取索引 #

如果你的核心需求是遍历非空值并跳过缺失值，可直接在遍历过程中判断并获取索引：

for idx, val in a.items():
    if val != a.sparse.fill_value:
        print(f"索引: {idx}, 值: {val}")
# 输出结果：
# 索引: 0, 值: 2
# 索引: 1, 值: 3
# 索引: 4, 值: 4

内容的提问来源于stack exchange，提问作者Amit Lavon