如何筛选DataFrame中包含缺失值的列？

你之前的尝试逻辑有误，正确的做法是先筛选出至少包含一个缺失值的列，再生成缺失值可视化所需的数据：

1. 筛选目标列并生成缺失值数据

# 找出所有存在缺失值的列名
cols_with_missing = df.columns[df.isna().sum() > 0]
# 仅保留这些列，再转换为适合seaborn的长格式数据
missing_data = df[cols_with_missing].isna().melt(value_name="missing")

2. 传入数据绘制图表，还可以根据列数动态调整图表高度，避免手动设置固定值：

import seaborn as sns
import matplotlib.pyplot as plt

sns.displot(
    data=missing_data,
    y="variable",
    hue="missing",
    multiple="fill",
    height=len(cols_with_missing)*0.8  # 按列数动态调整，每列分配0.8单位高度
)
plt.show()

错误原因说明 #

• df[df.columns.values.isna()]：这是筛选列名本身为缺失值的列，不是列内有缺失值的列，不符合需求。
• df[df.isna().sum() > 0]：df.isna().sum()默认按列计算缺失数，得到的是一个长度等于列数的数组，用它来索引DataFrame会被当作行索引筛选，导致逻辑错误。

内容的提问来源于stack exchange，提问作者bajun65537