你可以使用 Pandas 提供的 isna() 或 isnull() 方法结合 any() 方法来轻松识别哪些列包含 NaN（Not a Number）值。以下是如何做到这一点的步骤：

获取包含 NaN 值的列名

1. 使用 isna() 方法 创建一个布尔数据框，其中每个条目如果是 NaN 则为 True，否则为 False。
2. 使用 any() 方法 在列上（axis=0）来获取一个布尔序列，指示哪些列至少包含一个 NaN 值。
3. 使用布尔索引 根据这个布尔序列筛选出列名。

示例代码

以下是一个示例，演示如何实现这一点：

import pandas as pd
import numpy as np

# 示例数据框，包含 NaN 值
data = {
    'A': [1, 2, np.nan, 4],
    'B': [np.nan, 1, 2, 3],
    'C': [1, 2, 3, 4],
    'D': [np.nan, np.nan, np.nan, 1],
}

df = pd.DataFrame(data)

# 确定哪些列包含 NaN 值
nan_columns = df.columns[df.isna().any()].tolist()

# 打印结果
print("包含 NaN 值的列名:", nan_columns)

解释：

• df.isna() 生成一个与 df 形状相同的布尔数据框，其中 NaN 值对应为 True，非 NaN 值对应为 False。
• df.isna().any() 返回一个布尔序列，其中每个元素对应一列，指示该列是否包含任何 NaN 值。
• df.columns[...] 根据布尔序列过滤数据框的列，并使用 tolist() 方法将结果转换为列名列表。

输出：

对于给定的示例，输出将是：

包含 NaN 值的列名: ['A', 'B', 'D']

这种方法高效且适用于识别数据框中包含 NaN 值的列。