讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

updream

一键生成高质量推广成片

SoundView
SoundView

字幕擦除翻译、配音口型同步

Laper
Laper

剧本策划到成片协作

如何高效筛选并统计满足多列条件的空值行

小墨君_4354

小墨君_4354

发布时间:2026-11-18 13:17:05

|

594人浏览过

|

来源于php中文网

原创

如何高效筛选并统计满足多列条件的空值行

本文介绍使用 pandas 向量化操作快速定位“某列为空但其他列满足特定条件”的数据行,避免低效循环,支持扩展至十余列的批量条件检查。

本文介绍使用 pandas 向量化操作快速定位“某列为空但其他列满足特定条件”的数据行,避免低效循环,支持扩展至十余列的批量条件检查。

在数据分析中,常需识别结构化缺失模式——例如:“place 为空时,stock 是否仍为正数?”这类问题本质是基于空值定位后对同行其他字段施加逻辑判断。若采用 for 循环 + enumerate(如 df['place'].isnull().tolist())遍历,不仅代码冗长,更会丧失 Pandas 的向量化优势,大幅降低性能,尤其在百万级数据上尤为明显。

正确的做法是充分利用布尔索引(Boolean Indexing)进行一次性向量化过滤。以原始示例为例:

import pandas as pd

df = pd.DataFrame({
    'ID': [1, 2, 3, 4],
    'place': [1, None, None, 1],
    'stock': [4, 2, None, 1]
})

# ✅ 向量化:统计 place 为空且 stock > 0 的行数
count = df[df['place'].isnull() & (df['stock'] > 0)].shape[0]
print(count)  # 输出:1(仅第2行满足)

注意:& 是 Pandas 中的按元素逻辑与(必须用括号包裹每个条件),不可写作 and;isnull() 可安全处理 NaN、None 及 pd.NA。

对于需检查 10+ 列 的通用场景,推荐封装为可复用函数。例如,定义一个函数,接收目标空值列名、待校验列名列表及对应条件函数:

def count_null_correlated(df, null_col, check_specs):
    """
    统计指定列为空时,其余列满足条件的行数

    Parameters:
    - df: DataFrame
    - null_col: 字符串,作为空值判断基准列(如 'place')
    - check_specs: 列表,元素为元组 (col_name, condition_func),如 
                   [('stock', lambda x: x > 0), ('price', lambda x: pd.notna(x))]
    """
    mask = df[null_col].isnull()
    for col, cond in check_specs:
        mask &= cond(df[col])
    return mask.sum()

# 使用示例:检查 place 为空时,stock > 0 且 price 非空
# count = count_null_correlated(df, 'place', [
#     ('stock', lambda x: x > 0),
#     ('price', pd.notna)
# ])

⚠️ 注意事项:

  • 所有比较操作(如 > 0)对 NaN 自动返回 False,无需额外 fillna() 干预;
  • 多条件组合务必用 &(位与)而非 and,且每个子条件须用括号包裹,否则因运算符优先级报错;
  • 若涉及字符串列的空值判断,建议统一使用 df[col].isna()(兼容 None/NaN/pd.NA),而非 == '' 或 is None;
  • 对超大规模数据,可结合 .query() 提升可读性:df.query('place != place and stock > 0').shape[0](利用 NaN != NaN 恒真特性)。

总结:摒弃逐行迭代,拥抱布尔索引与函数式组合,是处理此类“空值关联校验”任务的核心范式——简洁、高效、可扩展。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

讯飞绘文

讯飞绘文是一款由科大讯飞推出的一站式 AIGC 内容运营平台。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

音述AI
音述AI Hot

一款AI音频处理工具,主要用于音述AI是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区,适合需要提升相关任务效率的用户。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

360

2025.12.04

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

292

2026.01.31

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

1011

2026.04.13

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

0

2026.11.17

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

0

2026.11.17

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

0

2026.11.17

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

0

2026.11.17

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

0

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn