如何为Pandas DataFrame每行生成缺失值列汇总

嘿，这里有两种实用的方法帮你给Pandas DataFrame添加汇总缺失值列名的summary列，直接上代码和细节解释：

方法一：简洁的apply写法（适合小数据集） #

先构造你的示例DataFrame，然后一行代码搞定列的生成：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'a': [pd.NA, pd.NA, pd.NA, 15.0, 5.0],
    'b': [2.0, 9.0, pd.NA, 15.0, pd.NA],
    'c': [165.0, pd.NA, pd.NA, pd.NA, 11.0]
})

# 生成summary列：遍历每行，收集缺失值的列名并用' + '拼接
df['summary'] = df.apply(
    lambda row: ' + '.join(col for col, val in row.items() if pd.isna(val)),
    axis=1
)

方法二：向量化操作（更高效，推荐大数据集） #

如果你的数据集行数很多，apply的逐行循环会有点慢，试试这个向量化的方案：

# 先得到标记缺失值的布尔矩阵
na_mask = df.isna()
# 按行筛选出对应为True的列名，再拼接
df['summary'] = na_mask.apply(lambda x: ' + '.join(na_mask.columns[x]), axis=1)

运行结果 #

不管用哪种方法，最终都会得到你想要的结果：

简单解释 #

• df.isna()：生成一个和原DataFrame结构一样的布尔表，每个单元格标记对应值是不是NaN。
• axis=1：告诉apply我们要按行来处理数据，而不是默认的按列。
• 方法二的核心是先拿到所有缺失值的标记，再直接提取对应列名，避免了逐元素遍历，速度会快很多。

内容的提问来源于stack exchange，提问作者rafat.ch