Pandas多列缺失值筛选：如何通过列列表实现DataFrame拆分？

首先得指出你之前代码里的两个小问题：

1. 最初的代码里columns变量没有定义，而且直接用df[df[columns].notnull()]的话，df[columns].notnull()返回的是布尔型DataFrame，你需要用all()或any()把每行的结果聚合为单个布尔值，才能用于行筛选。
2. 你后来写的代码里，first_df和second_df用了完全相同的条件，这显然不符合你“生成两个不同DataFrame”的需求哦。

下面针对你的两个需求，给出无需逐个写逻辑运算符、仅用列列表实现的简洁写法，就算扩展到10列也一样好用：

需求1：创建指定列（如Race、Age）无缺失值的DataFrame #

核心逻辑是：筛选出指定列的每一行都没有缺失值的记录。我们可以用notnull()生成布尔矩阵，再用all(axis=1)判断每行的所有指定列是否都为非空：

import pandas as pd

# 假设你的原始DataFrame是df
cols = ['Race', 'Age']  # 扩展到10列的话，直接写成cols = ['col1', 'col2', ..., 'col10']即可

# 需求1的实现：指定列都无缺失
first_df = df[df[cols].notnull().all(axis=1)]

all(axis=1)表示沿着行的方向（逐行）判断所有指定列的布尔值是否都为True（即都非空），完美替代了多个&连接的写法。

需求2：创建仅指定列（如Race、Age）存在缺失值的DataFrame #

这里的“仅指定列存在缺失”应该是指：非指定列（比如Name）完全没有缺失，而指定列至少有一个缺失值。我们可以分两步判断后合并条件：

cols = ['Race', 'Age']

# 第一步：筛选非指定列都无缺失的行
non_cols = df.columns.difference(cols)
non_cols_no_null = df[non_cols].notnull().all(axis=1)

# 第二步：筛选指定列至少有一个缺失的行
cols_has_null = df[cols].isnull().any(axis=1)

# 需求2的实现：仅指定列存在缺失
second_df = df[non_cols_no_null & cols_has_null]

如果你的“仅指定列存在缺失”是指指定列有缺失即可、不关心其他列，那写法更简单：

second_df = df[df[cols].isnull().any(axis=1)]

这样不管你要处理2列还是10列，只需要修改cols列表里的列名即可，完全不用手动写一堆&逻辑运算符，代码更简洁也更易维护。

内容的提问来源于stack exchange，提问作者Rustem Sadykov