Python中Pandas怎么统计每行中非空值的具体数量？-Python教程-PHP中文网

最直接方法是 df.count(axis=1)，它统计每行非空值数量，跳过 NaN、None、pd.NaT，返回整数型 Series；但不识别字符串'nan'、空字符串''或0，需清洗后再用。

python中pandas怎么统计每行中非空值的具体数量？

用 `count(axis=1)` 直接统计每行非空值数量

这是最直接的方法：df.count(axis=1) 会跳过 NaN、None 和 pd.NaT，对每行有效值计数，返回一个 Series，索引与原 DataFrame 行索引一致。

注意它只识别 pandas 认为的“缺失值”，不处理字符串 'nan'、空字符串 '' 或数值 0 —— 这些全算作有效值。

如果列里混有字符串 'NULL' 或 'missing'，得先用 replace() 或布尔掩码清洗
axis=1 是关键，写成 axis=0 就变成按列统计了
结果是整数型 Series，可直接赋给新列：df['non_null_count'] = df.count(axis=1)

想把空字符串 `''` 也当作“空”来统计？用 `apply` + 自定义逻辑

当业务上认为空字符串、仅空白符（如 ' '）、或特定占位符（如 'N/A'）也该被排除时，count() 不够用，得手动定义“什么是空”。

推荐用 df.apply(..., axis=1) 配合 pd.isna() 和额外判断：

python-flask-vue-creator

创建 Flask + Vue.js 全栈项目，采用单端口架构、uv 依赖管理、结构化日志和生产级前端设计。当用户要求以下操作时触发：创建新的 Flask+Vue 项目、搭建 Web 应用、构建全栈 Python+Vue 应用、初始化 Flask Web 项目、设置单端口 Flask 前后端项目。触发词：新建项目、创建项目、搭建项目、Flask项目、Vue项目。

下载

df['non_null_count'] = df.apply(
    lambda row: sum(
        not pd.isna(val) and 
        not (isinstance(val, str) and val.strip() == '')
        for val in row
    ),
    axis=1
)

val.strip() == '' 覆盖了纯空格、制表符等；但注意对非字符串类型调用 .strip() 会报错，所以必须加 isinstance(val, str) 判断
如果还要排除 'N/A'、'null' 等，继续在条件里用 val.strip().lower() not in ['n/a', 'null', 'none']
性能比向量化操作慢，万行以内没问题，超十万行建议先用 df.replace() 统一转为 NaN 再走 count()

为什么不用 `notna().sum(axis=1)`？它其实和 `count(axis=1)` 等价

df.notna() 返回布尔 DataFrame，.sum(axis=1) 对每行 True 求和 —— 数值上确实和 count(axis=1) 一致。但二者底层行为略有差异：

count() 是专为缺失值设计的聚合方法，语义更清晰
notna().sum() 在遇到扩展类型（如 string dtype 或 nullable integer）时更稳定；而旧版 pandas 中 count() 对某些扩展类型支持不一致
如果你已用 notna() 做其他逻辑（比如同时生成掩码），复用它更连贯

常见错误：用 `len(df.columns)` 减去 `isna().sum(axis=1)` 得到非空数？小心类型不匹配

看起来合理：len(df.columns) - df.isna().sum(axis=1)，但容易出问题：

如果某列是 category 类型且含未使用的类别，isna() 可能误判（尤其 pandas
当 DataFrame 有重复列名时，len(df.columns) 是总数，但 isna().sum() 按实际列计算，结果错位
更隐蔽的是：若某列 dtype 为 object 且含混合类型（如部分 list、部分 int），isna() 可能返回 False 即使值是 None —— 这时必须用 pd.isna() 才可靠