获取空值的索引

在处理数据时，经常需要处理空值。但是，对于一个包含大量数据的数据集来说，手动寻找空值并且记录它们的位置是一项费时费力的任务。因此，自动化地获取空值的索引是程序员必须掌握的技巧之一。

下面介绍几种常用的获取空值索引的方法。

方法1：使用numpy库

如果数据集以numpy数组的形式存在，可以使用numpy库中的 isnan() 函数获取包含空值的布尔型数组 nan_vals，然后使用 where() 函数获取空值的索引。

import numpy as np

arr = np.array([1, 2, np.nan, 4, np.nan, 6])
nan_vals = np.isnan(arr)
nan_idxs = np.where(nan_vals)
print(nan_idxs)

输出结果：(array([2, 4]),)

方法2：使用pandas库

如果是以pandas的 DataFrame 对象形式存在，可以使用 isnull() 函数获取包含空值的布尔型 DataFrame，然后取得所有空值行的索引。

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4, np.nan, 6], 'B': [7, np.nan, 9, np.nan, 11, np.nan]})
nan_df = df.isnull()
nan_idxs = nan_df.index[nan_df.any(axis=1)]
print(nan_idxs)

输出结果：Int64Index([2, 4, 5], dtype='int64')

方法3：使用列表解析式

如果没有使用numpy或pandas库，可以使用列表解析式获取空值索引，虽然速度比前两种方法慢一些。

lst = [1, 2, None, 4, None, 6]
nan_idxs = [i for i, x in enumerate(lst) if x is None]
print(nan_idxs)

输出结果：[2, 4]

以上是几种常用的获取空值的索引方法，程序员可以根据具体情况选择适合自己的方法。