如何在Pandas DataFrame的每行中找到第三个NaN值所在的列？

我明白你的问题啦——你现在需要定位每行里第三个NaN值对应的列标签，但原来用idxmax()的方法只能返回第一个出现NaN的列，所以才会得到不符合预期的结果。下面给你两种可行的解法，还会帮你解释其中的逻辑：

方法一：使用apply结合布尔筛选（直观易懂） #

这种方法思路非常直接，对每行先筛选出所有NaN的位置，再取第三个对应的列名：

result = df.apply(lambda row: row[row.isna()].index[2], axis=1)
print(result)

逻辑拆解：

1. row.isna()：对当前行生成一个布尔序列，标记哪些位置是NaN
2. row[row.isna()]：筛选出该行所有值为NaN的元素，得到一个仅包含NaN的子Series
3. .index[2]：这个子Series的索引就是NaN对应的列名，取索引为2的元素（因为Python是0索引，第三个元素对应索引2）

运行后会得到你想要的结果：

0    e
1    c
2    d
3    h
4    d
dtype: object

方法二：向量化操作（高效，适合大数据集） #

如果你的DataFrame行数很多，apply的效率可能不够高，推荐用向量化的方式实现，性能会好很多：

# 计算每行NaN的累积计数，找到计数为3的位置，再取对应的列名
nan_positions = df.isna().cumsum(axis=1).eq(3).idxmax(axis=1)
print(nan_positions)

逻辑拆解：

1. df.isna()：生成和原DataFrame同形状的布尔矩阵，NaN位置为True
2. cumsum(axis=1)：对每行做累加，这样每行的NaN位置会依次被标记为1、2、3、4、5（对应第1到第5个NaN）
3. .eq(3)：将累加后等于3的位置标记为True（也就是第三个NaN的位置）
4. idxmax(axis=1)：找到每行第一个True的位置，也就是第三个NaN对应的列名

为什么原来的解法不对？ #

你之前用的row.isna().idxmax()，是返回该行中第一个True值的索引——也就是第一个NaN的列名，这和题目要求的“第三个NaN”完全不符，所以才会得到错误的结果。

备注：内容来源于stack exchange，提问作者Pratyush