嗨，这问题很常见，我来帮你快速搞定！你想要统计仅First_Name和Age列的空值数量，排除Last_Name，原来的代码因为没做列筛选，所以统计了所有列，调整一下就好，给你两种实用方法：

方法1：直接指定要统计的目标列 #

先明确列出你需要统计的列，再执行空值统计操作，这样最直观：

import pandas as pd
import numpy as np  # 注意：pandas里的空值要用np.nan，不是你写的Null

# 先正确构建你的DataFrame（修正空值写法）
df = pd.DataFrame({
    'Last_Name': ['Smith', np.nan, np.nan,'Joy'], 
    'First_Name': ['John', np.nan, 'Bill', 'Tony'], 
    'Age': [35, 45, np.nan, 60]
})

# 只选择First_Name和Age列，再统计空值
null_counts = df[['First_Name', 'Age']].isnull().sum()
# 筛选出存在空值的列并降序排序
filtered_result = null_counts[null_counts > 0].sort_values(ascending=False)

print(filtered_result)

运行后会输出：

First_Name    1
Age           1
dtype: int64

方法2：排除不需要的列（适合列数量多的场景） #

如果你的DataFrame列很多，不想一个个列出来，直接排除Last_Name列更高效：

# 去掉Last_Name列后再统计空值
null_counts = df.drop(columns=['Last_Name']).isnull().sum()
filtered_result = null_counts[null_counts > 0].sort_values(ascending=False)

print(filtered_result)

这个方法和上面的结果完全一致，适合列数较多的情况。

小提醒 #

你原来写的Null在pandas里不会被识别为空值，必须换成np.nan（需要先导入numpy），否则isnull()会把它当成普通字符串，统计结果就错啦！

内容的提问来源于stack exchange，提问作者Rahul