如何打印数据中NaN缺失值对应的行与列位置

你提供的参考代码存在两处可优化/修正的点：

1. 硬编码了行、列遍历范围，仅适用于19行5列的特定DataFrame，通用性差
2. 用== 'NaN'判断缺失值逻辑错误：pandas中的缺失值np.nan是浮点类型，不等于字符串'NaN'，且np.nan本身不满足等于自身的逻辑，必须用专门的缺失值判断函数识别

方案1：修正后的嵌套循环方案 #

适合小尺寸DataFrame使用，逻辑和你原本的写法一致：

import pandas as pd

# 动态获取DataFrame的行数、列数
rows, cols = df.shape
for i in range(rows):
    for j in range(cols):
        # 用pd.isna判断是否为缺失值，兼容np.nan、NaT等多种pandas缺失值类型
        if pd.isna(df.iloc[i,j]):
            print('Missing Value at (row,col): ({}, {}) '.format(i,j))

方案2：高效向量化方案 #

适合大尺寸DataFrame使用，避免嵌套循环带来的性能损耗：

import pandas as pd
import numpy as np

# 一次性返回所有缺失值对应的行索引数组、列索引数组
nan_row_indexes, nan_col_indexes = np.where(df.isna())

# 遍历打印所有缺失值位置
for row, col in zip(nan_row_indexes, nan_col_indexes):
    print('Missing Value at (row,col): ({}, {}) '.format(row, col))

注意事项 #

• 上述代码输出的行号、列号默认是0起始的索引值，如果需要匹配Excel等工具1起始的计数规则，打印时将行、列值各加1即可
• 如果你只需要统计缺失值数量不需要逐个打印位置，直接使用df.isna().sum().sum()即可快速得到全表缺失值总数

内容的提问来源于stack exchange，提问作者Jacqueline Neo