如何使用Python标准库替代pandas查找CSV指定列缺失值对应的行索引

使用Python自带标准库csv即可实现需求，和原pandas逻辑对齐的代码如下：

import csv

target_column = "Height"
missing_value_indexes = []

with open("user_data.csv", mode="r", encoding="utf-8") as f:
    # 自动识别首行为表头，后续行以字典形式返回
    csv_reader = csv.DictReader(f)
    # 行索引从0开始计数，和pandas默认索引规则一致
    for index, row in enumerate(csv_reader):
        height_val = row[target_column]
        # 兼容空字符串、全空白字符、None三类空值场景
        if height_val is None or height_val.strip() == "":
            missing_value_indexes.append(index)

print(missing_value_indexes)

• the JSON object must be str, bytes or byte array, not list报错：你大概率是错误尝试将CSV读取得到的列表直接传入JSON解析方法，JSON解析仅接受字符串/字节类型输入，因此触发报错。
• list indices must be integers or slices, not str报错：两个尝试版本都误将存储逐行数据的列表当作按列存储的字典使用，尝试用列名字符串作为下标访问列表，而列表仅支持整数下标，因此触发该报错。
• 版本1额外存在逻辑倒置问题：现有判断条件会筛选出Height不为空的行索引，和你要提取空值对应索引的需求完全相反。

如果你的CSV文件里空值有特殊标记（比如NA、NULL等），在判断条件中补充对应匹配规则即可。

内容的提问来源于stack exchange，提问作者Derya