如何为DataFrame按非NaN值数量分配标签并提取对应列？

步骤拆解 #

要实现需求，核心是先统计各列非NaN值的数量，再筛选符合条件的列，最终保留目标列：

• 排除Name列，统计其余列的非NaN值计数
• 过滤出计数大于2的列
• 从符合条件的列中选择非NaN值最多的列（若有并列，可按列顺序取第一个）
• 提取Name列和选中的目标列

代码实现 #

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'Name': ['A', 'A', 'A', 'A'],
    'Orange': [np.nan, np.nan, np.nan, 'ok'],
    'Blue': [np.nan, np.nan, 'ok', np.nan],
    'Red': ['ok', np.nan, 'ok', 'ok'],
    'Black': [np.nan, np.nan, np.nan, 'ok']
})

# 1. 计算各数值列的非NaN数量（排除Name列）
non_nan_counts = df.drop('Name', axis=1).notna().sum()

# 2. 筛选出非NaN数量>2的列
valid_cols = non_nan_counts[non_nan_counts > 2].index.tolist()

# 3. 选择非NaN数量最多的列（若并列取第一个）
if valid_cols:
    target_col = non_nan_counts[valid_cols].idxmax()
    # 4. 提取结果
    result_df = df[['Name', target_col]]
else:
    # 无符合条件的列时的处理（可根据需求调整）
    result_df = df[['Name']]

print(result_df)

输出结果 #

Name  Red
0    A   ok
1    A  NaN
2    A   ok
3    A   ok

关键说明 #

• df.drop('Name', axis=1).notna().sum()：精准统计除Name外每列的非NaN值数量
• non_nan_counts[valid_cols].idxmax()：在符合条件的列中找到非NaN值最多的列名
• 增加了无符合条件列的分支处理，避免报错

内容的提问来源于stack exchange，提问作者isaac.af95