如何用Pandas的iloc按列索引统计指定模式的出现次数？

现有多份电子表格，缺失值统一用文本'N/A'标记。由于无法提前知晓列名，只能通过列索引统计指定范围内各列的'N/A'出现次数——其中前几列固定，后续列会随表格类型变化。

示例数据 #

用Pandas构造的示例DataFrame如下：

import pandas as pd

df = pd.DataFrame([[1000, 'Jerry', 'BR1','BR1','N/A'], 
                    [1001, 'N/A', 'N/A', 'BR1','N/A'], 
                    ['N/A', 'N/A', 'BR3', 'BR2','N/A'],
                    [1003, 'Perry','BR4','BR1','N/A']],
                   columns=['ID', 'Name', 'Branch', 'Member of','Status'])

需求说明 #

要实现类似df.iloc[:, 10:].contains('N/A').count()的功能（含取反操作），最终输出类似value_counts的结构化结果，比如针对示例数据中从第2列（索引1）开始的列，统计后输出：

Name    2
Branch   1
Status   4

实现代码 #

直接用Pandas的iloc选列，配合eq()和sum()就能完成需求：

1. 统计指定列范围的'N/A'次数

比如要统计从第2列（索引1）到最后一列的'N/A'数量：

# 按索引选取目标列 → 判断元素是否为'N/A' → 按列求和统计次数
na_counts = df.iloc[:, 1:].eq('N/A').sum()
print(na_counts)

输出结果：

Name          2
Branch        1
Member of     0
Status        4
dtype: int64

2. 取反操作：统计非'N/A'的数量

把判断条件换成ne()（不等于）即可：

non_na_counts = df.iloc[:, 1:].ne('N/A').sum()
print(non_na_counts)

输出结果：

Name          2
Branch        3
Member of     4
Status        0
dtype: int64

如果需要调整统计的列范围，只修改iloc里的索引切片就行——比如要统计从第11列（索引10）到末尾，就写df.iloc[:, 10:]。

内容的提问来源于stack exchange，提问作者EA Bubnoff