У меня есть pandas DataFrame, как это:
a b
2011-01-01 00:00:00 1.883381 -0.416629
2011-01-01 01:00:00 0.149948 -1.782170
2011-01-01 02:00:00 -0.407604 0.314168
2011-01-01 03:00:00 1.452354 NaN
2011-01-01 04:00:00 -1.224869 -0.947457
2011-01-01 05:00:00 0.498326 0.070416
2011-01-01 06:00:00 0.401665 NaN
2011-01-01 07:00:00 -0.019766 0.533641
2011-01-01 08:00:00 -1.101303 -1.408561
2011-01-01 09:00:00 1.671795 -0.764629
Есть ли эффективный способ найти "целочисленный" индекс строк с NaN? В этом случае желаемый выход должен быть [3, 6].
Для DataFrame df:
import numpy as np
index = df['b'].index[df['b'].apply(np.isnan)]
вернет вам MultiIndex, который вы можете использовать для индексации на df, например:
df['a'].ix[index[0]]
>>> 1.452354
Для целочисленного индекса:
df_index = df.index.values.tolist()
[df_index.index(i) for i in index]
>>> [3, 6]
Вот более простое решение:
inds = pd.isnull(df).any(1).nonzero()[0]
In [9]: df
Out[9]:
0 1
0 0.450319 0.062595
1 -0.673058 0.156073
2 -0.871179 -0.118575
3 0.594188 NaN
4 -1.017903 -0.484744
5 0.860375 0.239265
6 -0.640070 NaN
7 -0.535802 1.632932
8 0.876523 -0.153634
9 -0.686914 0.131185
In [10]: pd.isnull(df).any(1).nonzero()[0]
Out[10]: array([3, 6])
И на всякий случай, если вы хотите найти координаты "нан" для всех столбцов вместо этого (предположим, что все они численные), вы здесь:
df = pd.DataFrame([[0,1,3,4,np.nan,2],[3,5,6,np.nan,3,3]])
df
0 1 2 3 4 5
0 0 1 3 4.0 NaN 2
1 3 5 6 NaN 3.0 3
np.where(np.asanyarray(np.isnan(df)))
(array([0, 1]), array([4, 3]))
Не знаю, если это слишком поздно, но вы можете использовать np.where, чтобы найти индексы не значений как таковые:
indices = list(np.where(df['b'].isna()[0]))
Одноканальное решение. Однако это работает только для одного столбца.
df.loc[pandas.isna(df["b"]), :].index
Вот еще один простой пример:
df = pd.DataFrame([[0,1,3,4,np.nan,2],[3,5,6,np.nan,3,3]])
inds = np.asarray(df.isnull()).nonzero()
(array([0, 1], dtype=int64), array([4, 3], dtype=int64))
Я искал все индексы строк со значениями NaN.
Мое рабочее решение:
def get_nan_indexes(data_frame):
indexes = []
print(data_frame)
for column in data_frame:
index = data_frame[column].index[data_frame[column].apply(np.isnan)]
if len(index):
indexes.append(index[0])
df_index = data_frame.index.values.tolist()
return [df_index.index(i) for i in set(indexes)]
в случае, если у вас есть индекс даты и времени, и вы хотите иметь значения:
df.loc[pd.isnull(df).any(1), :].index.values
Пусть фрейм данных будет иметь имя df, а интересующий столбец (т. Е. Столбец, в котором мы пытаемся найти нули) - это "b". Затем следующий фрагмент дает желаемый индекс нуля в кадре данных:
for i in range(df.shape[0]):
if df['b'].isnull().iloc[i]:
print(i)
Вот тесты для нескольких методов:
%timeit np.where(np.isnan(df['b']))[0]
%timeit pd.isnull(df['b']).nonzero()[0]
%timeit np.where(df['b'].isna())[0]
%timeit df.loc[pd.isna(df['b']), :].index
И их соответствующие сроки:
333 µs ± 9.95 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
280 µs ± 220 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
313 µs ± 128 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
6.84 ms ± 1.59 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
Казалось бы, pd.isnull(df['DRGWeight']).nonzero()[0] выигрывает день с точки зрения времени, но что любой из трех лучших методов имеет сопоставимую производительность.