Pandas如何计算每行指定列缺失值对应的ID列表

核心实现代码 #

import pandas as pd
import numpy as np

# 定义需要检查缺失的列，列顺序对应ID 0~4
check_cols = ['DIVISION', 'STORE_ID', 'FORECAST_DATE', 'START_TIME', 'FULFILLMENT_TYPE']

# 生成MISSING_ID列
df['MISSING_ID'] = df[check_cols].isna().apply(
    lambda row: [idx for idx, is_missing in enumerate(row) if is_missing] or np.nan,
    axis=1
)

逻辑说明 #

1. 先按ID对应顺序定义要检查的列列表，后续调整检查列或ID对应关系只需修改该列表顺序即可，无需改动逻辑
2. 用isna()生成指定列的布尔缺失掩码，缺失位置为True
3. 逐行遍历掩码，收集所有值为True的位置索引（即对应缺失列的ID）
4. 利用Python空列表布尔值为False的特性，无缺失时直接返回np.nan，符合预期输出要求

优势对比 #

• 无需生成多余的辅助列，代码简洁易维护
• 比多分支np.where写法扩展性更强，调整规则成本更低

内容的提问来源于stack exchange，提问作者Sayonti