Trouver l'indice entier des lignes avec NaN dans un dataframe pandas

Question

J'ai un DataFrame pandas comme ceci :

                    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

Existe-t-il un moyen efficace de trouver l'indice "entier" des lignes contenant des NaN ? Dans ce cas, le résultat souhaité devrait être [3, 6] .

Answer 1

Voici une solution plus simple :

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])

Answer 2

Pour DataFrame df :

import numpy as np
index = df['b'].index[df['b'].apply(np.isnan)]

vous rendra le MultiIndex que vous pouvez utiliser pour indexer à nouveau dans df par exemple :

df['a'].ix[index[0]]
>>> 1.452354

Pour l'indice entier :

df_index = df.index.values.tolist()
[df_index.index(i) for i in index]
>>> [3, 6]

Answer 3

Une seule ligne de solution. Cependant, elle ne fonctionne que pour une seule colonne.

df.loc[pandas.isna(df["b"]), :].index

Answer 4

Et juste au cas où, si vous voulez trouver les coordonnées de 'nan' pour toutes les colonnes (en supposant qu'elles soient toutes numériques), voici comment procéder :

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]))

Answer 5

Je ne sais pas si c'est trop tard, mais vous pouvez utiliser np.where pour trouver les indices des non-valeurs comme telles :

indices = list(np.where(df['b'].isna()[0]))