如何统计Pandas DataFrame多列相同位置共同缺失(NaN)的总数量

你可以将待统计的列名整理为一个列表，直接通过Pandas内置的逐行聚合方法实现需求，无需手动循环拼接逻辑运算符：

# 先定义需要统计的目标列列表，可根据实际需求动态修改
target_cols = ['HomeRemote', 'CompanySize'] # 可替换为任意长度的列名列表

# 统计所有目标列全为缺失值的行数
all_null_count = df[target_cols].isnull().all(axis=1).sum()

代码逻辑说明 #

• df[target_cols]：筛选出所有需要参与判断的目标列
• .isnull()：将选中的所有值转换为布尔矩阵，缺失值对应True，非缺失值对应False
• .all(axis=1)：按行做聚合判断，只有当前行所有列的布尔值都为True（即所有目标列全为缺失值）时，才返回True
• .sum()：统计返回的布尔序列中True的总数量，即为符合要求的总行数

如果你希望沿用之前批量拼接逻辑与的思路，也可以通过reduce方法实现：

from functools import reduce
import operator

target_cols = ['HomeRemote', 'CompanySize']
all_null_count = reduce(operator.and_, (df[col].isnull() for col in target_cols)).sum()

两种方法效果完全一致，第一种写法更简洁易读，对于5万行20列的规模性能没有任何问题。

内容的提问来源于stack exchange，提问作者Krzysztof Sobota