pandas判断一列中存在nan值

在使用 pandas 时，判断一列是否存在 NaN 值可以通过多种方法完成。以下是几种常用的方法：

1. 使用 isna() 和 any() 方法

   import pandas as pd
   import numpy as np
   
   # 创建示例数据
   df = pd.DataFrame({'A': [1, 2, np.nan, 4]})
   
   # 判断列中是否存在 NaN 值
   has_nan = df['A'].isna().any()
   
   print(has_nan)  # 输出: True，如果列中存在 NaN 值
   

   这里 df['A'].isna() 会生成一个布尔型的 Series，其中 NaN 值对应的布尔值为 True，any() 方法则会检查该 Series 中是否有 True 值。

2. 使用 isnull() 和 any() 方法

   isnull() 是 isna() 的别名，它们的作用完全相同。

   import pandas as pd
   import numpy as np
   
   # 创建示例数据
   df = pd.DataFrame({'A': [1, 2, np.nan, 4]})
   
   # 判断列中是否存在 NaN 值
   has_nan = df['A'].isnull().any()
   
   print(has_nan)  # 输出: True，如果列中存在 NaN 值
   

3. 使用 pd.Series 的 hasnans 属性

   在 pandas 的某些版本中，你可以直接使用 hasnans 属性来检查是否存在 NaN 值。这个方法不如前两种方法那样直观，但也很有效。

   import pandas as pd
   import numpy as np
   
   # 创建示例数据
   df = pd.DataFrame({'A': [1, 2, np.nan, 4]})
   
   # 判断列中是否存在 NaN 值
   has_nan = df['A'].hasnans
   
   print(has_nan)  # 输出: True，如果列中存在 NaN 值
   

选择适合你代码风格和需求的方法即可。