大型DataFrame高效遍历：替代for循环获取year列NaN对应的ids

你的嵌套循环效率极低，核心问题是遍历了所有行列（实际只需要检查year列），而且将NaN转为0的操作完全多余，还可能导致误判（如果year列本身存在合法的0值）。

直接用Pandas的矢量化操作就能解决，代码简洁且性能拉满：

# 筛选year列为NaN的记录，提取ids并转为数组
ids_array = df[df['year'].isna()]['ids'].to_numpy()

说明： #

• df['year'].isna() 生成布尔序列，标记每条记录的year值是否为NaN
• 用该序列筛选DataFrame，仅保留year为NaN的行
• 提取这些行的ids列，最后用to_numpy()转为数组（需要列表则用.tolist()）

用你提供的示例DataFrame运行后，会得到结果：array([2678, 4780])，完全符合需求。

这种方法基于Pandas底层的C实现，比Python循环快几个数量级，完美适配大型数据集。

内容的提问来源于stack exchange，提问作者maissam