在使用 pandas 时，尽量避免在循环中执行操作，包括apply,map等applymap。那很慢！

DataFrame 对象有两个轴：“axis 0”和“axis 1”。“axis 0”代表行，“axis 1”代表列。

如果要计算每列中的缺失值，请尝试：

df.isnull().sum()默认或df.isnull().sum(axis=0)

另一方面，您可以通过以下方式计算每一行（这是您的问题）：

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

它比 Jan van der Vegt 的解决方案快大约 10 倍（顺便说一句，他计算的是有效值，而不是缺失值）：

In [18]: %timeit -n 1000 df.apply(lambda x: x.count(), axis=1)
1000 loops, best of 3: 3.31 ms per loop

In [19]: %timeit -n 1000 df.isnull().sum(axis=1)
1000 loops, best of 3: 329 µs per loop

您可以像这样对行应用计数：

test_df.apply(lambda x: x.count(), axis=1)

测试_df：

    A   B   C
0:  1   1   3
1:  2   nan nan
2:  nan nan nan

输出：

0:  3
1:  1
2:  0

您可以将结果添加为这样的列：

test_df['full_count'] = test_df.apply(lambda x: x.count(), axis=1)

结果：

    A   B   C   full_count
0:  1   1   3   3
1:  2   nan nan 1
2:  nan nan nan 0

最简单的方法：

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

或者，您可以简单地使用数据框对象的 info 方法：

df.info()

它为每列提供非空值的计数。