查找 NaN 在Pandas中的位置

在处理数据时，我们通常会遇到缺失值（NaN）的情况。在Pandas中，我们可以使用isna或isnull方法来查找NaN在DataFrame或Series中的位置。

下面是一个示例DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, np.nan, 8]})
print(df)

输出结果：

     A    B
0  1.0  5.0
1  2.0  NaN
2  NaN  NaN
3  4.0  8.0

查找所有NaN的位置

我们可以使用isna方法来查找所有NaN在DataFrame或Series中的位置，并返回一个布尔型的DataFrame或Series。

print(df.isna())

输出结果：

       A      B
0  False  False
1  False   True
2   True   True
3  False  False

这里返回的是一个布尔型的DataFrame，其中True表示该位置是NaN，False表示该位置不是NaN。

查找某一列中的NaN的位置

如果我们需要查找某一列中的NaN的位置，可以使用：

print(df['A'].isna())

输出结果：

0    False
1    False
2     True
3    False
Name: A, dtype: bool

这里返回的是一个布尔型的Series，其中True表示该位置是NaN，False表示该位置不是NaN。

查找某一行中的NaN的位置

如果我们需要查找某一行中的NaN的位置，可以使用：

print(df.iloc[2].isna())

输出结果：

A     True
B     True
Name: 2, dtype: bool

这里返回的是一个布尔型的Series，其中True表示该位置是NaN，False表示该位置不是NaN。

查找第一个NaN的位置

若需要查找某列或行中第一个出现NaN的位置，我们可以使用first_valid_index或first_valid_column方法。这两个方法都返回该行/列第一个非NaN值的索引/列名，如果全是NaN，则返回None。

print(df['A'].first_valid_index())
print(df.loc[2].first_valid_index())

输出结果：

0
None

在这个示例中，“A”列第一个非NaN值的索引是0，“第三行”没有非NaN值，返回None。

这些方法可以帮助我们在处理数据时方便地查找缺失值的位置。