Python Pandas如何修改函数使其根据列值返回两个DataFrame

直接通过布尔索引筛选目标行，按顺序返回两个拆分后的DataFrame即可，修改后的完整函数如下：

import pandas as pd

def my_func(df, col: str):
    # 生成目标列是否为NaN的布尔筛选条件
    is_nan = pd.isna(df[col])
    # 分别筛选两类数据
    df_nan = df[is_nan]
    df_not_nan = df[~is_nan]
    return df_nan, df_not_nan

细节说明 #

• 原函数的逻辑问题是直接对整列df[col]调用pd.isna()做if判断，会返回一个长度和DataFrame行数一致的布尔序列，无法直接作为单值布尔条件使用，逐元素判断生成掩码后做行筛选才是Pandas的标准用法
• 如果你需要拆分后的DataFrame行索引从0重新计数，可以在筛选后追加.reset_index(drop=True)，例如写为df_nan = df[is_nan].reset_index(drop=True)，输出效果会和你给出的样例完全匹配
• 函数调用方式和预期完全一致，直接用两个变量按顺序接收返回值即可：

df_nan, df_not_nan = my_func(df=my_df, col="col1")

效果验证 #

用你提供的样例数据测试：

import numpy as np
# 构造测试样例
my_df = pd.DataFrame({"col1": [np.nan, "ABC", np.nan]})
df_nan, df_not_nan = my_func(my_df, col="col1")

未加索引重置时，df_nan输出为：

col1
0   NaN
2   NaN

df_not_nan输出为：

col1
1  ABC

加了reset_index(drop=True)后，两个结果的行索引都会重置为从0开始的连续序号，和你给出的预期样例完全一致。

内容的提问来源于stack exchange，提问作者dingaro