ValueError: Cannot mask with non-boolean array containing NA / NaN values

如果你遇到了 ValueError: Cannot mask with non-boolean array containing NA / NaN values 这个错误，这意味着你试图用一个包含 NA 或 NaN 值的非布尔数组来过滤你的 DataFrame。这通常发生在 .loc[] 或布尔索引操作中，如果生成的掩码（mask）数组中含有缺失值，Pandas 就无法正确地应用这个掩码。

要解决这个问题，你需要确保你的掩码数组是一个只包含 True 和 False 的布尔数组，并且不包含任何 NA 或 NaN 值。你可以通过填充缺失值或删除含有缺失值的行来解决这个问题。

以下是一些可能的解决方案

解决方案 1：填充缺失值

你可以使用 .fillna() 方法来填充掩码数组中的缺失值，例如用 False 填充

mask = df['column_name'].str.contains('R0900').fillna(False)  
filtered_df = df.loc[mask]

解决方案 2：删除含有缺失值的行

如果你不想保留含有缺失值的行，你可以在创建掩码之前先删除它们

df_no_na = df.dropna(subset=['column_name'])  
mask = df_no_na['column_name'].str.contains('R0900')  
filtered_df = df_no_na.loc[mask]

解决方案 3：在创建掩码时排除 NaN

你还可以使用 .notnull() 方法来确保只在非缺失值的行上应用掩码

mask = df['column_name'].notnull() & df['column_name'].str.contains('R0900')  
filtered_df = df.loc[mask]

这里，df['column_name'].notnull() 创建一个布尔数组，其中 True 表示对应行的 column_name 不是 NaN，然后通过逻辑与操作符 & 与 str.contains('R0900') 的结果组合，确保只有在 column_name 非空且包含字符串 'R0900' 的行才会被选中。

选择哪种解决方案取决于你的具体需求和你想要如何处理 DataFrame 中的缺失值。通常，填充缺失值或删除含有缺失值的行是最常见的做法。