如何获取 Pandas 数据框中所有非 NaN 项的行、列索引答案

【问题标题】：How to get row, column indices of all non-NaN items in Pandas dataframe如何获取 Pandas 数据框中所有非 NaN 项的行、列索引
【发布时间】：2016-07-22 10:01:37
【问题描述】：

如何遍历如下所示的数据帧并将非 NaN 值位置作为元组返回。即

df:

     0    1    2
0    NaN NaN   1
1    1   NaN  NaN
2    NaN  2   NaN

我会得到 [(0, 1), (2, 0), (1, 2)] 的输出。最好的方法是做一个嵌套的for循环吗？或者有没有更简单的方法我不知道通过 Pandas。

【问题讨论】：

Getting (index, column) pairs for True elements of a boolean DataFrame in Pandas的可能重复

标签： python pandas nan indices

【解决方案1】：

假设您不需要按顺序排列，您可以堆叠非空值并处理索引值。

In [26]: list(df[df.notnull()].stack().index)
Out[26]: [(0L, '2'), (1L, '0'), (2L, '1')]

In [27]: df[df.notnull()].stack().index
Out[27]:
MultiIndex(levels=[[0, 1, 2], [u'0', u'1', u'2']],
           labels=[[0, 1, 2], [2, 0, 1]])

此外，使用堆栈方法，NaN 无论如何都会被忽略。

In [28]: list(df.stack().index)
Out[28]: [(0L, '2'), (1L, '0'), (2L, '1')]

【讨论】：

【解决方案2】：

获取非空位置：

import numpy as np

>>> np.argwhere(df.notnull().values).tolist()
[[0, 2], [1, 0], [2, 1]]

如果您真的希望它们作为元组对，只需使用列表推导：

>>> [tuple(pair) for pair in np.argwhere(df.notnull().values).tolist()]
[(0, 2), (1, 0), (2, 1)]

获取空位置：

>>> np.argwhere(df.isnull().values).tolist()
[[0, 0], [0, 1], [1, 1], [1, 2], [2, 0], [2, 2]]

【讨论】：

可以将 numpy 数组转换为像 map(tuple, np.argwhere(df.notnull().values)) 这样的元组。但是，如果数据框具有非索引列名称，例如 [a, b, c] 等，则会出现这种方法的一个问题
我更喜欢列表理解而不是地图。这将返回整数索引位置，而不是列/索引名称（顺便说一句，这很容易获得）。

【解决方案3】：

直接的方式：

list(zip(*np.where(df.notnull())))

为

[(0, 2), (1, 0), (2, 1)]

【讨论】：