如何在pandas DataFrame中仅定位NaN值而非None值

首先明确pandas中两类空值的差异：NaN属于numpy的float类型缺失值，None是Python原生空对象，df.isnull()会将两类值统一判定为True，要单独筛选NaN可以按以下方法实现：

方法1：全表逐元素判断 #

直接对每个元素做双重判定，同时排除None的干扰，适合中小体量DataFrame使用：

import numpy as np
import pandas as pd

# 生成布尔掩码，仅NaN位置为True
nan_mask = df.applymap(lambda x: isinstance(x, float) and np.isnan(x))

方法2：分列优化处理 #

数据量较大时可按列类型分别处理，提升运行效率：

• float类型列中pandas会自动将None转为NaN，不存在原生None，可直接用np.isnan()判断
• object类型列可同时存储None和NaN，需要做双重判定

nan_mask = pd.DataFrame(False, index=df.index, columns=df.columns)

# 处理所有float列
float_cols = df.select_dtypes(include='float').columns
nan_mask[float_cols] = np.isnan(df[float_cols])

# 处理所有object列
object_cols = df.select_dtypes(include='object').columns
nan_mask[object_cols] = df[object_cols].applymap(lambda x: isinstance(x, float) and np.isnan(x))

常用后续操作 #

• 获取所有NaN的坐标位置（行索引、列名对应）：

nan_positions = [(df.index[i], df.columns[j]) for i,j in zip(*np.where(nan_mask))]

• 筛选包含NaN的行：

rows_with_nan = df[nan_mask.any(axis=1)]

注意：如果你的DataFrame中存在Nullable整数类型（如Int64）、Nullable布尔类型（如boolean），这些类型的缺失值会显示为<NA>，不属于NaN，上述方法不会将其判定为匹配结果，符合需求。

内容的提问来源于stack exchange，提问作者K Walsh