如何更高效地从Pandas DataFrame提取NaN数据至新DataFrame？

首先得指出你原代码里的一个小问题：columnData.isnull().any().sum()是错误的写法——any()会返回该列是否存在空值的布尔值（True/False），再调用sum()只会得到0或1，没法统计实际的空值数量，正确的统计应该用columnData.isnull().sum()。

接下来给你两种更简洁的实现方式，完全不需要循环：

方法一：利用Series的reset_index转换 #

empty = dataset.isnull().sum().reset_index()
empty.columns = ['Column', 'NaNs']

解释：

• dataset.isnull().sum()会生成一个Series，索引是原DataFrame的列名，值对应各列的空值数量
• reset_index()把索引转为普通列，再通过columns重命名成你需要的列名，两行就搞定。

方法二：直接构造DataFrame（一行实现） #

empty = pd.DataFrame({'Column': dataset.columns, 'NaNs': dataset.isnull().sum().values})

解释：直接用原DataFrame的列名列表作为Column列的值，用空值统计结果的数组作为NaNs列的值，一步生成目标DataFrame。

这两种方法都用了pandas的矢量化操作，比循环的效率高得多，代码也更简洁易读。

内容的提问来源于stack exchange，提问作者Karsten S.