Pandas DataFrame每行缺失值统计及字段缺失占比计算咨询

嘿，我来帮你搞定这两个需求！你提到的df.isnull().sum(axis=1)其实就是统计每行NaN数量的正确方法，可能你需要把它整合到原数据里更直观？另外字段缺失占比的计算也很直接，我给你一步步拆解：

一、统计每行的NaN数量 #

• 如果你想把结果直接加到原DataFrame里，方便后续分析，只需要一行代码：

  df['每行缺失值个数'] = df.isnull().sum(axis=1)
  

  这样就会新增一列，清晰显示每一行有多少个缺失值。
• 要是你只是临时查看结果，不需要修改原数据，直接运行：

  print(df.isnull().sum(axis=1))
  

  它会返回一个Series，索引对应行号，值就是该行的NaN数量。

二、计算各字段的缺失占比 #

要得到每个字段（比如眼睛信息、身高信息）的缺失百分比，我们需要先统计每列的缺失数，再除以总行数转成百分比：

• 完整的代码示例，还能生成一个整洁的汇总表：

  import pandas as pd
  
  # 统计每列的缺失值数量
  col_missing_counts = df.isnull().sum()
  # 计算缺失占比（保留两位小数）
  col_missing_ratios = (col_missing_counts / len(df)) * 100
  col_missing_ratios = col_missing_ratios.round(2)
  
  # 合并成汇总DataFrame，方便查看
  missing_summary = pd.DataFrame({
      '缺失值数量': col_missing_counts,
      '缺失占比(%)': col_missing_ratios
  })
  
  # 打印结果，也可以用missing_summary.head()查看前几行
  print(missing_summary)
  

• 如果你想让结果更直观，比如给百分比加上百分号，可以用这个小技巧：

  missing_summary['缺失占比(%)'] = missing_summary['缺失占比(%)'].apply(lambda x: f"{x}%")
  

小提示 #

虽然你的数据有数百列，但这些操作都是Pandas的内置优化方法，处理50行的数据集完全没有性能问题，放心用就行～

内容的提问来源于stack exchange，提问作者Josef