如何用Python获取DataFrame中全为NaN的列名列表（示例返回c、d）

当然可以！在Pandas里有非常简洁的方法来实现这个需求，我给你演示两种常用的方式，都能轻松得到你想要的['c', 'd']结果。

方法一：使用isna() + all()（推荐） #

这是最直接高效的方式，思路是先把所有值转换成布尔值（NaN为True，非NaN为False），再检查每一列是否所有值都是True：

import pandas as pd
import numpy as np

# 创建示例DataFrame
df = pd.DataFrame({'a': [1,2,3],'b': [3,4,5], 'c':[np.nan, np.nan, np.nan], 'd':[np.nan, np.nan, np.nan]})

# 获取全NaN的列名列表
all_nan_cols = df.columns[df.isna().all(axis=0)].tolist()

print(all_nan_cols)  # 输出: ['c', 'd']

代码解释：

• df.isna()：将DataFrame中的每个元素转换为布尔值，NaN对应True，非NaN对应False
• .all(axis=0)：按列（axis=0）判断该列是否所有元素都是True，返回一个布尔Series，索引是列名
• df.columns[...]：筛选出布尔值为True的列名，最后用.tolist()转成列表格式

方法二：使用notna() + any()反向判断 #

如果从“没有非NaN值”的角度出发，也可以这样写：

all_nan_cols = df.columns[~df.notna().any(axis=0)].tolist()

print(all_nan_cols)  # 同样输出: ['c', 'd']

代码解释：

• df.notna()：和isna()相反，非NaN对应True，NaN对应False
• .any(axis=0)：按列判断是否存在至少一个True（即存在非NaN值）
• ~：取反，把“存在非NaN值”的列变成False，“全是NaN”的列变成True，再筛选列名即可

两种方法都能达到目的，第一种更直观易懂，推荐日常使用~

内容的提问来源于stack exchange，提问作者ah bon