如何删除含缺失值的键？及从DataFrame提取无缺失数据字母存列表

首先不用急着删除含缺失值的键，咱们可以通过检查数据缺失情况，精准筛选出符合要求的字母再存入列表。下面分两种常见场景给你具体代码：

场景1：字母是分组列（比如每行对应一个字母） #

如果你的DataFrame里有一列是字母（比如叫letter），其他列是对应的数据，要找出那些所属组内所有数据都没有缺失的字母：

import pandas as pd

# 先给个示例DataFrame，你可以替换成自己的
data = {
    'letter': ['A', 'A', 'B', 'B', 'C', 'C'],
    'data_col1': [1, None, 3, 4, 5, 6],
    'data_col2': [2, 3, 4, 5, 6, 7]
}
df = pd.DataFrame(data)

# 核心操作：分组后过滤出无缺失的组，提取字母转列表
valid_letters = df.groupby('letter').filter(lambda group: group.notna().all().all())['letter'].unique().tolist()
print(valid_letters)  # 输出就是你要的 ['B', 'C']

场景2：字母是DataFrame的列名 #

如果你的字母是列的名称，要找出整列都没有缺失值的列名（字母）：

# 示例DataFrame，替换成你的实际数据
data = {
    'A': [1, None, 3],
    'B': [2, 3, 4],
    'C': [5, 6, 7]
}
df = pd.DataFrame(data)

# 筛选无缺失的列名，转为列表
valid_letters = df.columns[df.notna().all()].tolist()
print(valid_letters)  # 同样输出 ['B', 'C']

小解释 #

• notna().all()：用来检查一行/一列里所有元素是不是都没有缺失；分组的时候用group.notna().all().all()是先确保组内每行都没缺失，再确保整个组所有行都符合。
• 最后用.tolist()把筛选结果转成列表，就完美符合你的需求啦～

内容的提问来源于stack exchange，提问作者kys92