Pandas 如何选择具有相同id且在另一列中缺少所有值的行

我有以下数据帧：

ID  col_1
1    NaN
2    NaN
3    4.0
2    NaN
2    NaN
3    NaN
3    3.0
1    NaN

我需要以下输出：

ID  col_1
1    NaN
1    NaN
2    NaN
2    NaN
2    NaN

---

如何在pandas中执行此操作您可以使用

isna

创建布尔掩码，然后使用

all

将此掩码按

ID

和

transform

分组，然后您可以借助此掩码筛选行：

mask = df['col_1'].isna().groupby(df['ID']).transform('all')
df[mask].sort_values('ID')

或者，您可以使用

groupby

+

filter

筛选出满足以下条件的组：

col_1

中的所有值均为

NaN

，但此方法应比上述方法慢：

df.groupby('ID').filter(lambda g: g['col_1'].isna().all()).sort_values('ID')

---

---

您可以使用

isna

创建一个布尔掩码，然后使用

all

按

ID

和

transform

对该掩码进行分组，然后您可以借助该掩码筛选行：

mask = df['col_1'].isna().groupby(df['ID']).transform('all')
df[mask].sort_values('ID')

或者，您可以使用

groupby

+

filter

筛选出满足以下条件的组：

col_1

中的所有值均为

NaN

，但此方法应比上述方法慢：

df.groupby('ID').filter(lambda g: g['col_1'].isna().all()).sort_values('ID')

---

---

让我们在

groupby

with

all

s = df['col_1'].isna().groupby(df['ID']).all()
df = df.loc[df.ID.isin(s[s].index.tolist())]
df
Out[73]: 
   ID  col_1
0   1    NaN
1   2    NaN
3   2    NaN
4   2    NaN
7   1    NaN

---

让我们在

groupby

with

all

s = df['col_1'].isna().groupby(df['ID']).all()
df = df.loc[df.ID.isin(s[s].index.tolist())]
df
Out[73]: 
   ID  col_1
0   1    NaN
1   2    NaN
3   2    NaN
4   2    NaN
7   1    NaN

我认为我们可以简单地去掉空值

---

我认为我们可以简单地去掉空值。

这不会检查组中的所有值是否为nan。也可以使用直接读取数据，而无需将数据写入文件并读取：）这不会检查组中的所有值是否为nan。您还可以使用直接读取数据，而无需将数据写入文件并读取：）