Pandas DFs并查找每个DFs中填充了NAN的缺少列

Pandas是Python中一个强大的数据分析库，它提供了DataFrame（DF）数据结构来处理和分析数据。在处理数据时，经常会遇到缺失值（NAN）的情况，需要查找每个DataFrame中填充了NAN的缺少列。下面是完善且全面的答案：

在Pandas中，可以使用isnull()函数来检查DataFrame中的缺失值，并返回一个布尔类型的DataFrame，其中缺失值对应的位置为True，非缺失值对应的位置为False。然后，可以使用any()函数对每一列进行求和，判断该列是否存在缺失值。最后，可以使用sum()函数对每一列的缺失值进行统计。

以下是一个示例代码，用于查找每个DataFrame中填充了NAN的缺少列：

import pandas as pd

# 创建示例DataFrame
df1 = pd.DataFrame({'A': [1, 2, None, 4],
                    'B': [5, None, 7, 8],
                    'C': [9, 10, 11, None]})

df2 = pd.DataFrame({'X': [None, 2, 3, 4],
                    'Y': [5, 6, None, 8],
                    'Z': [9, None, 11, 12]})

# 检查缺失值并查找缺少列
def find_missing_columns(df):
    missing_columns = df.isnull().any()
    return missing_columns[missing_columns].index.tolist()

missing_columns_df1 = find_missing_columns(df1)
missing_columns_df2 = find_missing_columns(df2)

print("df1中填充了NAN的缺少列：", missing_columns_df1)
print("df2中填充了NAN的缺少列：", missing_columns_df2)

输出结果为：

df1中填充了NAN的缺少列： ['A', 'B', 'C']
df2中填充了NAN的缺少列： ['X', 'Y', 'Z']

这段代码首先创建了两个示例的DataFrame（df1和df2），然后定义了一个名为find_missing_columns的函数，该函数接受一个DataFrame作为参数，返回填充了NAN的缺少列的列名列表。接下来，通过调用find_missing_columns函数分别对df1和df2进行处理，并将结果打印输出。

推荐的腾讯云相关产品和产品介绍链接地址：

• 腾讯云服务器（CVM）：提供弹性、安全、稳定的云服务器实例，适用于各类应用场景。详情请参考腾讯云服务器（CVM）产品介绍
• 腾讯云数据库（TencentDB）：提供多种数据库产品，包括关系型数据库（MySQL、SQL Server等）和非关系型数据库（MongoDB、Redis等）。详情请参考腾讯云数据库（TencentDB）产品介绍
• 腾讯云人工智能（AI）：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等。详情请参考腾讯云人工智能（AI）产品介绍
• 腾讯云物联网（IoT）：提供全面的物联网解决方案，包括设备接入、数据管理、应用开发等。详情请参考腾讯云物联网（IoT）产品介绍
• 腾讯云区块链（Blockchain）：提供安全、高效的区块链服务，支持企业级应用场景。详情请参考腾讯云区块链（Blockchain）产品介绍
• 腾讯云对象存储（COS）：提供高可靠、低成本的云端存储服务，适用于各种数据存储需求。详情请参考腾讯云对象存储（COS）产品介绍
• 腾讯云云原生应用平台（TKE）：提供全面的容器化解决方案，支持应用的快速部署和弹性伸缩。详情请参考腾讯云云原生应用平台（TKE）产品介绍

请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求进行评估和决策。