如何用Python Pandas生成含无NaN/全NaN列的指定字典？

直接用Pandas的缺失值检测方法就能搞定，核心逻辑是通过判断每列的NaN分布情况来筛选列名：

import pandas as pd

def get_nan_column_info(df):
    # 筛选无NaN的列：该列NaN数量为0
    no_nan_cols = df.columns[df.isna().sum() == 0].tolist()
    # 筛选全为NaN的列：该列所有值都是NaN
    all_nan_cols = df.columns[df.isna().all()].tolist()
    return {
        "Columns without nans": no_nan_cols,
        "Columns with all nans": all_nan_cols
    }

代码说明 #

• df.isna()：生成和原DataFrame形状一致的布尔矩阵，NaN位置为True，其余为False
• df.isna().sum()：按列统计NaN的数量，无NaN的列求和结果为0
• df.isna().all()：按列判断是否所有值都是NaN，返回布尔Series
• .tolist()：把筛选后的列名转为列表，没有符合条件的列时会自动返回空列表

示例用法 #

假设你有这样的数据集：

data = {
    "A": [1, 2, 3],
    "B": [None, None, None],
    "C": [4, None, 6]
}
df = pd.DataFrame(data)
result = get_nan_column_info(df)
print(result)

输出结果：

{
    "Columns without nans": ["A"],
    "Columns with all nans": ["B"]
}

内容的提问来源于stack exchange，提问作者Mike Zhao