含NaN值的复杂筛选问题：无需替换NaN的loc筛选方法

嘿，这个问题其实不用绕远路——Pandas本身就提供了原生的缺失值检测方法，完全可以直接结合你的meter_id条件筛选数据，根本不需要先把NaN替换成-1。

核心逻辑 #

直接把「meter_id属于目标类别」和「Values列为NaN」这两个条件组合起来，用布尔索引或者loc就能精准提取你要的行。

具体代码实现 #

假设你的DataFrame名为df，下面给你两种等效的实现方式，适配不同Pandas版本：

方法1：用isna()（推荐，Pandas 0.21+版本可用） #

这是Pandas官方推荐的现代写法，语义更清晰：

import pandas as pd
import numpy as np

# 先搭个示例DataFrame方便你测试
df = pd.DataFrame({
    'meter_id': ['METER_001', 'METER_001', 'METER_002', 'METER_001'],
    'Values': [150, np.nan, 220, np.nan]
})

# 筛选meter_id为'METER_001'且Values是NaN的行
filtered_data = df.loc[(df['meter_id'] == 'METER_001') & df['Values'].isna()]
print(filtered_data)

方法2：用isnull()（兼容旧版Pandas） #

如果你的Pandas版本比较老，isnull()和isna()功能完全一致，也能达到同样效果：

filtered_data = df.loc[(df['meter_id'] == 'METER_001') & df['Values'].isnull()]

代码说明 #

• df['Values'].isna()会生成一个布尔Series，每一行标记Values是否为NaN
• 用&（逻辑与）把两个条件组合起来，注意一定要给每个条件加括号，避免运算优先级出错
• loc会根据这个布尔索引，直接提取所有符合条件的行

扩展：筛选多个目标meter_id #

如果需要同时处理多个meter_id类别，用isin()更高效：

# 定义要筛选的meter_id列表
target_meters = ['METER_001', 'METER_003']
# 批量筛选这些类别下的NaN值行
filtered_data = df.loc[df['meter_id'].isin(target_meters) & df['Values'].isna()]

这样操作既简洁又高效，完全不用碰替换NaN的步骤，直接拿到你需要的数据～

内容的提问来源于stack exchange，提问作者Alekcei Nosach