如何使用pandas统计DataFrame中包含空值或N/A值的行数量

你要的功能可以分两步实现，先把表中的空白字符串统一识别为空值，再按行判断是否存在空值求和即可。

完整代码示例 #

import pandas as pd

# 构造你示例中的测试数据
data = {
    "Item": ["", "Second", "Third."],
    "Company": ["A", "B", ""],
    "Branch": [1, 2, pd.NA],
    "Price": [5.0, 8.0, 9.0]
}
df = pd.DataFrame(data)

# 1. 将所有空白字符串（含全空格内容）替换为pandas可识别的空值
df = df.replace(r"^\s*$", pd.NA, regex=True)

# 2. 统计存在任意空值的行总数
na_row_count = df.isna().any(axis=1).sum()
print(na_row_count)  # 输出结果为2，和你示例要求一致

# 如果需要新增示例中的Uncompleted标识列，加这行即可
df["Uncompleted"] = df.isna().any(axis=1)

代码说明 #

• 第一步的正则替换是为了把手动输入的空白内容、只有空格的内容都转成pandas标准空值，避免这类空白被isna()漏判
• isna()会返回和原表结构一致的布尔矩阵，单元格为空值时返回True，否则返回False
• any(axis=1)指定按行做逻辑或判断，只要该行有一个True就返回True
• sum()会自动把布尔值的True当作1、False当作0求和，得到的结果就是存在缺失值的行总数

内容的提问来源于stack exchange，提问作者Noura