如何利用字典中的列名检测DataFrame中的NaN值

1. 准备依赖与示例数据 #

首先导入pandas并创建测试用的DataFrame，定义必填列列表：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'Name': ['Alice', None, 'Charlie'],
    'Email': ['alice@example.com', 'bob@example.com', 'charlie@example.com'],
    'Age': [25, None, 30]
})

# 定义必填列
required_cols = ['Name', 'Email']

2. 实现检测函数 #

核心逻辑是遍历必填列，通过isna().any()判断列中是否存在NaN值，存在则输出指定提示：

def check_required_cols_for_nan(df, required_cols):
    for col in required_cols:
        # 检查当前列是否包含NaN/None值
        if df[col].isna().any():
            print(f"a blank was found in {col}")

3. 调用函数验证 #

执行函数后会输出符合预期的提示：

check_required_cols_for_nan(df, required_cols)

输出结果：

a blank was found in Name

扩展说明 #

如果需要同时检测空字符串（如""），可修改判断条件，覆盖空白字符场景：

if (df[col].isna() | df[col].eq("")).any():

内容的提问来源于stack exchange，提问作者surf tastic