DataFrame.count(axis=0, level=None, numeric_only=False)
计算每列或每行的非NA单元格。
值None，NaN，NaT和可选的numpy.inf（取决于pandas.options.mode.use_inf_as_na）被视为NA。
参数: | axis : {0 或 ‘index’, 1 或 ‘columns’}, 默认为 如果为每列生成 如果为每行生成 level : 如果轴是 则沿特定级别计数，折叠到 一个str指定级别名称。 numeric_only : 仅包含 |
返回: |
对于每个列/行，non-NA/null条目的数量。 如果指定了level，则返回 |
例子
1）统计行方向上的非缺失值数目
import pandas as pd
import numpy as np
# 创建一个字典形式的DataFrame
data = {'A': [-5, 8, 12, None, 5, 3],
'B': [-1, None, 6, 4, None, 3],
'C': ['sam', 'haris', 'alex', np.nan, 'peter', 'nathan']}
df = pd.DataFrame(data)
# 使用.count()方法统计行方向上的非缺失值数目
print(df.count(axis=0))
2）使用示例
import pandas as pd
import numpy as np
# 创建示例 DataFrame
df = pd.DataFrame({"Person":
["John", "Myla", "Lewis", "John", "Myla"],
"Age": [24., np.nan, 21., 33, 26],
"Single": [False, True, True, True, False]})
# 显示整个 DataFrame
print("DataFrame:")
print(df)
print()
# 使用 count() 方法计算每列非空元素的数量
print("每列计数（不计算 NA 值）:")
print(df.count())
print()
# 使用 count() 方法计算每行非空元素的数量
print("每行计数:")
print(df.count(axis='columns'))
print()
# 使用 count(level="Person") 计算 MultiIndex 中的一个级别的计数
print("按 Person 列计算 Age 列的计数:")
print(df.set_index(["Person", "Single"]).groupby(level=1).count())