如何在Pandas中查找DataFrame列中空值对应的区间范围？

你已经定位到了NaN值的索引，但需要把这些连续NaN对应的Column_1字符转换成指定的区间格式对吧？我给你一个简洁的实现方案，核心思路是先把连续的NaN行分组，再对每组生成对应的区间字符串。

首先先还原你的示例DataFrame方便测试：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'Column_1': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M'],
    'Column_2': [10, 20, np.nan, np.nan, np.nan, 60, 65, np.nan, np.nan, np.nan, 90, np.nan, 100]
})

接下来是核心代码，我会一步步拆解逻辑：

# 生成分组键：每遇到一个非NaN值，分组号就递增，这样连续的NaN会被分到同一组
df['group'] = df['Column_2'].notna().cumsum()

# 筛选出所有Column_2为NaN的行，按group分组提取Column_1
nan_groups = df[df['Column_2'].isna()].groupby('group')['Column_1']

# 遍历每个分组，生成目标格式的区间字符串
result = []
for _, chars in nan_groups:
    char_list = list(chars)
    if len(char_list) == 1:
        result.append(f'[{char_list[0]}]')
    else:
        result.append(f'[{char_list[0]}-{char_list[-1]}]')

print(result)
# 输出结果正好是你想要的：['[C-E]', '[H-J]', '[L]']

关键步骤解释： #

• 分组逻辑：df['Column_2'].notna().cumsum()会把非NaN的行标记为1，累加后，每出现一个非NaN值，分组号就+1，这样连续的NaN行就会被归为同一个分组，完美区分开不连续的NaN块。
• 分组处理：筛选出NaN行后按分组聚合，每个分组就是一段连续的Column_1字符。
• 格式生成：判断每个分组的长度，单个字符就直接用[X]，多个字符就用[首字符-尾字符]的格式。

内容的提问来源于stack exchange，提问作者fega_zero