我們在處理資料的時候，經常需要檢查資料的質量，也需要知道出問題的資料在哪個位置。我找了很久，也嘗試了很多辦法，都沒能找到一種非常直接的函式，本文所要介紹的是一種我認為比較方便的方法：np.where（）

我舉個例子

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(12).reshape(4,3), index=list('abcd'), columns=list('xyz'))

In [14]:df
Out[14]: 
   x   y   z
a  0   1   2
b  3   4   5
 

c  6   7   8
d  9  10  11

比如你想找到 5 的位置，你想知道它在第幾行，第幾列

In [16]: np.where(df==5)
Out[16]: (array([1], dtype=int64), array([2], dtype=int64))

可以看到結果返回了一個元祖tuple，裡面有兩個元素，都是np.ndarray型別的，第一個是行號，第二個是指明列的位置，所以5 是在第2行，第3列

如果我們想檢查資料裡面摻雜的缺失值NaN的位置的，同樣可以用此方法。

# 首先我們將df的第一列變成NaN
df.x = np.nan
df
Out[18]: 
    x   y   z
a NaN   1
 
   2
b NaN   4   5
c NaN   7   8
d NaN  10  11

# 然後查查NaN的位置，在寫這篇blog的時候我也遇到了一個奇怪的事，上面我用np.nan賦值後，然後用df == np.nan判斷，結果很奇怪

In [28]: df == np.nan
Out[28]: 
       x      y      z
a  False  False  False
b  False  False  False
c  False  False  False
d  False  False  False

# 但是用 numpy 的另一個函式 np.isnan, 卻可以判斷出nan，具體原因還需要再研究研究
 


np.isnan(df)
Out[25]: 
      x      y      z
a  True  False  False
b  True  False  False
c  True  False  False
d  True  False  False

# 因此接我們最初的目的，找出NaN的位置

np.where(np.isnan(df))
Out[32]: (array([0, 1, 2, 3], dtype=int64), array([0, 0, 0, 0], dtype=int64))

np.where(np.isnan(df))[0] # 選出tuple裡面的第一個元素，也就是行號
Out[33]: array([0, 1, 2, 3], dtype=int64)

但如果你覺得只知道行號，列號不能滿足你的需求，還想知道元素的索引名稱

# 我們現在的df是這個樣子的
df
Out[34]: 
    x   y   z
a NaN   1   2
b NaN   4   5
c NaN   7   8
d NaN  10  11

# 加入你想知道 NaN 所在的索引，列名，只需要在前面加上 df.index, df.columns 即可

In [35]: df.index[np.where(np.isnan(df))[0]] 
Out[35]: Index(['a', 'b', 'c', 'd'], dtype='object')
# df.index 是獲取行名稱，對應後面的[0]取行號

In [36]: df.columns[np.where(np.isnan(df))[1]]
Out[36]: Index(['x', 'x', 'x', 'x'], dtype='object')
# df.columns 是獲取列名稱，對應後面的[1]取列號

Over