如何在Pandas DataFrame中统计每行NaN值并找出最少的行？

需要统计DataFrame中每行的NaN值数量，然后找出NaN数量最少的行。当前使用循环的解决方案速度太慢，且不符合Pandas的惯用写法，求更优、更快的实现方法。

原实现代码：

max_not_nan = 13 # a maximum possible value of NaN's (number of columns + 1) 
row_number = 0
for i in range(df.shape[0]):
  if df.iloc[i].isna().sum() < max_not_nan:
    max_not_nan = df.iloc[i].isna().sum()
    row_number = i

该方案功能正常，但时间复杂度较高。

利用Pandas的矢量化操作替代循环，能大幅提升效率，同时符合Pandas的惯用写法：

基础实现（清晰易懂） #

# 计算每行的NaN数量
row_nan_counts = df.isna().sum(axis=1)
# 获取NaN数量最少的行（若存在多行，返回第一行）
min_nan_row = df.loc[row_nan_counts.idxmin()]
# 若只需要行索引
min_nan_row_idx = row_nan_counts.idxmin()

简洁版实现 #

min_nan_row = df.loc[df.isna().sum(axis=1).idxmin()]

关键操作解释 #

• df.isna()：生成与原DataFrame同结构的布尔值表，标记每个单元格是否为NaN
• .sum(axis=1)：按行方向求和，得到每行的NaN总数（axis=1代表行维度）
• .idxmin()：返回NaN数量最小值对应的行索引，直接定位目标行

这种方式依托Pandas底层的NumPy优化，比循环快数倍甚至数十倍，尤其适合大体积的DataFrame。

处理多行NaN数量相同的情况 #

如果存在多行NaN数量同为最小值的情况，可获取所有符合条件的行：

min_nan_count = row_nan_counts.min()
all_min_nan_rows = df[row_nan_counts == min_nan_count]

内容的提问来源于stack exchange，提问作者Grigory Zharkov