在Pandas里有几种简单直接的方法可以快速统计各列的缺失值（null）数量：

1. 基础统计：isnull().sum() #

这是最常用的方式，一步就能得到每列的空值总数：

import pandas as pd

# 加载你的数据集（示例用CSV，也可以是Excel等其他格式）
df = pd.read_csv('your_dataset.csv')

# 计算每列的空值数量
null_counts = df.isnull().sum()
print(null_counts)

输出结果是一个Series，索引为列名，对应的值就是该列的空值数量。

2. 只显示存在缺失值的列 #

如果数据列很多，只想看有缺失值的列，可以加个过滤条件：

# 筛选出空值数量大于0的列
non_zero_nulls = null_counts[null_counts > 0]
print(non_zero_nulls)

3. 转换成DataFrame格式（更易读） #

如果想要结构化的表格展示结果，可以把统计结果转成DataFrame：

null_summary = pd.DataFrame({
    '列名': null_counts.index,
    '空值数量': null_counts.values
})

# 只保留有缺失值的行
null_summary = null_summary[null_summary['空值数量'] > 0]
print(null_summary)

补充：用info()快速概览 #

另外，df.info()方法也能间接查看缺失情况——它会显示每列的非空值数量，用总行数减去非空数就能得到空值数，适合快速扫数据集的整体情况：

df.info()

内容的提问来源于stack exchange，提问作者Sa Az