pandas找出dataframe缺失值所在行的index

可以使用`df.isnull()`方法找出DataFrame中所有的缺失值，然后使用`df.isnull().any(axis=1)`方法找出每行是否存在缺失值，最后使用`.index`方法获取缺失值所在行的索引。

示例代码：

import pandas as pd

# 创建DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella'],
        'age': [25, 30, None, 35, 40],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 找出缺失值所在行的索引
missing_index = df[df.isnull().any(axis=1)].index

print(missing_index)

输出结果：

Int64Index([2], dtype='int64')

说明第3行存在缺失值。

相关问题

pandas找出缺失值所在的行

可以使用 Pandas 的 isnull() 方法来找出缺失值，再通过 any() 方法得到缺失值所在的行。以下是一个例子：

import pandas as pd

# 创建一个包含缺失值的数据帧
df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [5, None, 7, 8]})

# 找出缺失值所在的行
null_rows = df[df.isnull().any(axis=1)]

print(null_rows)

输出：

     A    B
2  NaN  7.0
1  2.0  NaN

这个例子中，isnull() 方法返回一个布尔型的数据帧，表示每个元素是否为空值。然后，any() 方法沿着行方向（axis=1）查找是否有至少一个缺失值，返回一个布尔型的 Series，表示每行是否有缺失值。最后，我们用这个 Series 来过滤原数据帧，得到仅包含缺失值的行。

pandas查看DataFrame的缺失值个数

您可以使用pandas中的isnull()函数来检查DataFrame中的缺失值，并使用sum()函数计算缺失值的数量。示例如下：

import pandas as pd

# 创建一个包含缺失值的DataFrame
df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, np.nan]})

# 检查DataFrame中的缺失值数量
print(df.isnull().sum())

输出结果为：

A    1
B    1
C    1
dtype: int64

其中，`A`列、`B`列和`C`列中分别有1个缺失值。