如何用Pandas按列统计全数据集内Not Reported的数量？

我是Pandas新手，学习过程中已使用count()、value_counts()按列统计值，但遇到了问题。我有一份车祸报告数据集，其中空值已替换为“Not Reported”，想要按列统计整个数据集中该值的单元格数量，期望得到对应格式的输出：

数据集示例 #

期望输出 #

请问是否有方法实现该需求？

这里提供两种简洁的实现方式，都能快速得到你想要的表格格式：

方法一：高效列匹配统计 #

直接对每列计算等于"Not Reported"的单元格数量，再整理成目标格式：

import pandas as pd

# 假设你的数据集名为df
result = df.apply(lambda col: col.eq("Not Reported").sum()).reset_index()
result.columns = ["Column", "Count"]
result["Value"] = "Not Reported"
# 调整列顺序匹配期望输出
result = result[["Column", "Value", "Count"]]

# 输出Markdown格式表格（需先安装tabulate：pip install tabulate）
print(result.to_markdown(index=False))

逻辑说明：

• col.eq("Not Reported").sum()：对每一列，逐单元格匹配"Not Reported"，求和得到该列的总次数
• reset_index()：将原列名从索引转为普通列，命名为"Column"
• 添加固定列"Value"，值统一为"Not Reported"
• 调整列顺序后，用to_markdown直接输出符合要求的表格

方法二：循环遍历列统计 #

如果更习惯循环逻辑，可以遍历每一列，用value_counts获取目标值的次数（不存在则返回0）：

import pandas as pd

result_list = []
for col_name in df.columns:
    # 获取当前列"Not Reported"的次数，没有则返回0
    count = df[col_name].value_counts().get("Not Reported", 0)
    result_list.append({
        "Column": col_name,
        "Value": "Not Reported",
        "Count": count
    })

result_df = pd.DataFrame(result_list)
print(result_df.to_markdown(index=False))

两种方法都能生成你期望的输出格式，测试示例数据集时，会得到完全匹配的结果。

内容的提问来源于stack exchange，提问作者Muhammad Humza