Pandas保留姓名列仅展示其他列NAN缺失值的实现方法

效果匹配需求的实现代码 #

可以直接在你现有筛选逻辑的基础上做二次处理，以下代码输出效果和你给出的样例完全一致，非缺失值留空，仅保留NaN标识缺失项：

import pandas as pd

# 1. 筛选出存在至少一个缺失值的行（保留你原有验证过的逻辑）
df_missing = df[df.isnull().any(axis=1)].copy()

# 2. 除Name列外，所有非缺失值替换为空字符串
cols_exclude_name = df_missing.columns.difference(['Name'])
df_missing[cols_exclude_name] = df_missing[cols_exclude_name].where(df_missing[cols_exclude_name].isna(), '')

如果需要把非缺失值替换为Data exists，只需要把最后一行的''替换为"Data exists"即可。

字段较多场景的极简报告方案 #

如果数据源字段数量很多，直接展示所有列仍然会有大量空白，可以用以下代码直接生成每个人员对应的缺失字段列表：

# 新增列存储当前行的缺失字段名
df['missing_cols'] = df.apply(
    lambda row: [col for col in df.columns if col != 'Name' and pd.isna(row[col])],
    axis=1
)
# 过滤出存在缺失的行，仅保留姓名和缺失字段两列
simple_report = df[df['missing_cols'].map(len) > 0][['Name', 'missing_cols']]

输出效果示例：

Name        missing_cols
John Doe    [Phone]
Jenny Gump  [Address]
Larry Bean  [Phone]

内容的提问来源于stack exchange，提问作者aero8991