用 isnull().mean() 一行计算空值比例，返回各列空值占比（0～1）；它比 info() 更精准、可筛选、可导出，且需配合 replace 处理空字符串等伪空值。
用 isnull() + mean() 一行搞定
空值比例本质是布尔序列的均值：每列调用 isnull() 得到 True/False，True 被当 1 处理，mean() 直接返回占比。比手动数 count() 和 shape 更稳、更短。
-
df.isnull().mean()返回Series，索引为列名，值为该列空值占比（0～1） - 想看前 5 列？加
.head(5)；想只看 >5% 的？加[df.isnull().mean() > 0.05] - 注意：
NaN、None、pd.NA都会被isnull()捕获，但空字符串''不算——需额外处理
为什么不用 info() 查空值比例？
info() 只显示非空计数（Non-Null Count），要自己算比例还得查 len(df)，容易手误。而且它不支持条件筛选或导出数值，纯属交互式概览用。
-
df.info()输出里Non-Null Count是整数，不是比例，没法直接排序或阈值过滤 - 如果列太多，
info()默认截断，关键列可能看不到 - 想导出为空值报告 CSV？
isnull().mean()可直接转to_frame('missing_ratio')，info()不行
处理空字符串和特殊占位符（如 'N/A'、'NULL'）
真实数据里常混入人为标记的“伪空值”，isnull() 对它们完全无感。得先统一替换再统计。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 常见操作：
df.replace(['', 'N/A', 'NULL', 'null'], pd.NA).isnull().mean() - 注意顺序：必须先
replace再isnull()，反了没用 - 若只想针对某几列处理（比如只清理字符串列），可用
select_dtypes('object')配合replace - 警惕大小写：
'n/a'和'N/A'不等价，必要时加case=False参数
性能差异：大表别用 describe(include='all')
describe() 看似能顺带看到 count，但它会触发全量类型推断和多维统计，对千万行以上 DataFrame 明显变慢，且空值信息藏在中间字段里，提取麻烦。
-
isnull().mean()是纯布尔运算 + 向量化求均值，速度基本与列数线性相关，不随行数爆炸 -
describe(include='all')在含大量 object 列时尤其卡顿，还可能因内存不足报MemoryError - 验证方法：用
%timeit对比，100 万行 × 50 列下，前者通常快 3–5 倍
空值检测本身简单，但“哪些值算空”和“怎么嵌入后续流程”才是实际卡点。别依赖 info() 做判断，也别漏掉业务定义的伪空值——这两处最容易在交接或上线后突然冒问题。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
