【Pandas】pandas DataFrame count

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量

pandas.DataFrame.count()

pandas.DataFrame.count() 方法用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量。它是数据探索和缺失值检测中非常常用的函数之一。

---

一、方法签名

DataFrame.count(axis=0, numeric_only=False)

参数说明：

参数	类型	描述
axis	{0/‘index’, 1/‘columns’}, 默认 0

• 0：按列统计（返回每列的非空值个数）
• 1：按行统计（返回每行的非空值个数） |
  | numeric_only | bool, 默认 False |
• 若为 True，只统计数值型列（int、float）
• 若为 False，统计所有类型的列（包括字符串、布尔等） |

---

二、返回值

• 返回一个 Series：
  • 如果 axis=0（默认），索引是列名，表示每列的非空值数量；
  • 如果 axis=1，索引是行索引，表示每行的非空值数量。

---

三、使用示例及结果

示例1：基本用法（按列统计）

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, np.nan, 6],
    'C': [np.nan, np.nan, np.nan],
    'D': ['a', 'b', 'c']
})

result = df.count()
print(result)

输出：

A    3
B    2
C    0
D    3
dtype: int64

解释：

• 列 A 没有缺失值 → 3 个非空值
• 列 B 有一个 NaN → 2 个非空值
• 列 C 全为 NaN → 0 个非空值
• 列 D 是字符串类型，也被统计（因为 numeric_only=False）

---

示例2：按行统计（axis=1）

result = df.count(axis=1)
print(result)

输出：

0    3
1    2
2    2
dtype: int64

解释：

• 第0行：A、B、D 非空 → 3 个非空值
• 第1行：A、D 非空 → 2 个非空值
• 第2行：A、D 非空 → 2 个非空值

---

示例3：仅统计数值型列（numeric_only=True）

result = df.count(numeric_only=True)
print(result)

输出：

A    3
B    2
C    0
dtype: int64

解释：

• 字符串列 D 被忽略，只统计数值型列 A、B、C。

---

示例4：结合 axis=1 和 numeric_only=True

result = df.count(axis=1, numeric_only=True)
print(result)

输出：

0    2
1    1
2    1
dtype: int64

解释：

• 只统计每行中的数值型列（A、B、C）
• 第0行：A、B 非空 → 2 个非空值
• 第1行：只有 A 非空 → 1 个非空值
• 第2行：只有 A 非空 → 1 个非空值

---

四、适用场景

场景	描述
缺失值检测	快速查看哪些列/行存在缺失值
数据质量分析	统计有效观测数，评估数据完整性
特征工程	在建模前检查特征是否有足够数据
清洗数据前准备	决定是否删除缺失过多的列或行

---

五、注意事项

• 默认统计所有列（包括字符串、布尔等）
• 设置 numeric_only=True 可以只关注数值型列
• 不会修改原始 DataFrame，而是返回新 Series
• 对 NaN 值自动跳过不计数

---

六、总结

特性	描述
功能	统计 DataFrame 中每列或每行的非空值数量
默认行为	统计所有类型列
支持方向	支持按列（axis=0）或按行（axis=1）统计
是否修改原数据	否，返回新 Series
适用类型	所有类型列（可通过 numeric_only 控制）

count() 是数据分析中最基础但最实用的方法之一，常用于数据质量检查、缺失值处理决策、特征选择等环节。