Python 迭代多个数据帧的更有效方法

我正在尝试创建自定义数据框，以表示数据中所有缺失的（NaN）值

我提出的解决方案是可行的，但对于一个包含300行和50列的集合来说，它既慢又无效

熊猫版本=“0.24.2”

我觉得我在熊猫中进行迭代的方式是不对的。这类问题有没有合适的（或通用的）解决方案？我是否应该使用groupby进行此类操作

非常感谢您的任何意见，

---

谢谢您的时间。

您不需要迭代多个数据帧来获得结果，您确实可以使用

apply

：

import pandas as pd

data = {
    'city_code'     : ['Sydney2017', 'London2017', 'Sydney2018', 'London2018'],
    'population_mil': [5.441, 7.375, pd.np.nan, pd.np.nan],
    'temp': [28, pd.np.nan, 24, 25]
}

df = pd.DataFrame(data)
df.groupby('city_code').apply(lambda x: x.isna().any()).any(axis=1)

---

我认为可以使用isna（）函数进行na检查：

df = pd.DataFrame(data)
df.assign(has_NaN=df.population_mil.isna()).drop('population_mil',1)


    city_code   has_NaN
0   Sydney2017  False
1   London2017  False
2   Sydney2018  True
3   London2018  True

---

请注意，OP希望检查数据集中重复多次的城市：“#“城市代码”列中存在重复项。请确保您的城市仅为唯一值。”，它们由

all_cities=list（set（data_df['city_code']）解释。

。（@Kirill chemerisin，为了清晰起见，您的示例应该包含一个在数据集中重复的城市）很抱歉，我的问题不清楚-我向您提供的数据只有两列，“城市代码”和“人口数量”，但我使用的数据集有更多的列。我要查找的是，NaN值不仅在“人口数量”列中，而且在数据集中存在的任何列中。我如何应用x.isna（）。any（）检查每一列，而不仅仅是“人口”？你的问题是-如何检查一个城市在任何一行的任何一列中是否有任何

pd.np.nan

（属于该城市）？是的，这就是我在寻找的答案-现在更简单了。解决了。非常感谢。

df = pd.DataFrame(data)
df.assign(has_NaN=df.population_mil.isna()).drop('population_mil',1)


    city_code   has_NaN
0   Sydney2017  False
1   London2017  False
2   Sydney2018  True
3   London2018  True