Encontre o índice inteiro de linhas com NaN no dataframe do pandas

Eu tenho um DataFrame do pandas como este:

                    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 uma maneira eficiente de encontrar o índice "inteiro" de linhas com NaNs? Nesse caso, a saída desejada deve ser [3, 6].

Para DataFrame df:

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

devolverá o MultiIndexque você pode usar para indexar de volta df, por exemplo:

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

Para o índice inteiro:

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

Aqui está uma solução mais simples:

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])

Solução de uma linha. No entanto, funciona apenas para uma coluna.

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

E por via das dúvidas, se você quiser encontrar as coordenadas de 'nan' para todas as colunas (supondo que sejam todas numéricas), aqui está:

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]))

Não sei se é tarde demais, mas você pode usar np.where para encontrar os índices de valores não como tais:

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

Aqui estão os testes para alguns métodos:

%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

E seus tempos correspondentes:

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)

Parece que pd.isnull(df['DRGWeight']).nonzero()[0]vence o dia em termos de tempo, mas qualquer um dos três métodos principais tem desempenho comparável.

no caso de você ter índice datetime e desejar ter os valores:

df.loc[pd.isnull(df).any(1), :].index.values

Outra solução simples é list(np.where(df['b'].isnull())[0])

Aqui está outra tomada mais simples:

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))

Eu estava procurando todos os índices de linhas com valores NaN.
Minha solução de trabalho:

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)]

Deixe o dataframe ser denominado df e a coluna de interesse (ou seja, a coluna na qual estamos tentando encontrar nulos ) seja 'b' . Em seguida, o seguinte snippet fornece o índice desejado de nulo no dataframe:

   for i in range(df.shape[0]):
       if df['b'].isnull().iloc[i]:
           print(i)