### 如何判断 Pandas DataFrame 是否包含 NaN 值 在 Pandas 中，可以通过多种方式来检测 DataFrame 中是否存在 `NaN` 或缺失值。以下是几种常用的方法： #### 方法一：使用 `isna()` 和 `any()` 可以利用 `pandas.DataFrame.isna()` 函数标记所有的 `NaN` 值，并结合布尔操作符 `.any()` 来检查整个 DataFrame 是否存在 `NaN` 值。 ```python import pandas as pd df = pd.DataFrame({ 'A': [1, 2, None], 'B': [4, None, 6] }) if df.isna().values.any(): print("DataFrame contains NaN values.") else: print("No NaN values found in the DataFrame.") ``` 上述代码会返回一个布尔值表示是否有 `NaN` 存在[^1]。 --- #### 方法二：使用 `notnull()` 的反向逻辑 另一种方法是通过 `pd.notnull()` 检查非空值的位置，再取其补集以找到 `NaN` 值的存在情况。 ```python if not pd.notnull(df).all().all(): print("DataFrame contains NaN values.") else: print("No NaN values found in the DataFrame.") ``` 这种方法同样能够有效验证 `NaN` 值的存在性[^2]。 --- #### 方法三：直接统计 `NaN` 数量 如果只需要确认是否存在 `NaN` 而不需要具体位置，则可通过计算总数量的方式间接得出结论。 ```python nan_count = df.isna().sum().sum() if nan_count > 0: print(f"DataFrame contains {nan_count} NaN values.") else: print("No NaN values found in the DataFrame.") ``` 此方法不仅可判定有无 `NaN`，还能提供具体的数目信息[^4]。 --- #### 方法四：定位所有 `NaN` 单元格 为了更直观地查看哪些单元格包含了 `NaN` 值，还可以定义辅助函数完成这一目标。 ```python def locate_na(df): nan_indices = set() nan_columns = set() for col, vals in df.to_dict(orient='series').items(): for index, val in vals.items(): if pd.isna(val): nan_indices.add(index) nan_columns.add(col) nan_values = df.loc[list(nan_indices), list(nan_columns)] return nan_values.drop_duplicates() result = locate_na(df) print(result) ``` 该函数将返回一个仅包含 `NaN` 所处行列的新子表[^3]。 --- ### 总结 以上四种方法各有优劣，在实际应用中可根据需求灵活选用。无论是简单的真伪测试还是复杂的精确定位，Pandas 提供了丰富的工具支持高效的数据清洗工作。