关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。

Pandas API参考所有内容目录

Pandas.DataFrame.count()

Pandas.DataFrame.count 用于统计每行或每列非空单元格数量。

• ⚠️ 注意 :

  缺失值会被排除，缺失值包括（NaN, NaT, pandas.NA ）

  空值(None)也会被排除。

语法：

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

返回值：

• Series

  返回值是一个 Series，其中包含每列或每行行中非空值单元格的数量。

参数说明：

axis 指定统计方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0 ^例1

  axis 参数，用于指定统计方向，即统计行或统计列的非空单元格数量，默认 axis=0 表示统计每列的非空单元格数量:

  • 0 or ‘index’: 统计每列的非空单元格数量。
  • 1 or ‘columns’： 统计每行的非空单元格数量。

numeric_only 仅统计全是数字类型的单元格数量

• numeric_only : bool, default False ^例2

  numeric_only 参数，用于指定是否只统计数字类型的非空单元格数量。

  • False： 不做限制，统计所有非空单元格。
  • True: 只统计数字类型的非空单元格数量。

  ⚠️ 注意 :

  • 浮点数、整数、布尔值，都是数字类型。

相关方法：

➡️ 相关方法

---

• Series.count

  Series 非空单元格计数

• DataFrame.value_counts

  Count unique combinations of columns.

• DataFrame.shape

  Number of DataFrame rows and columns (including NA elements).

  DataFrame.isna

  Boolean same-sized DataFrame showing places of NA elements.

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：axis 参数的使用

例1-1、构建演示数据，并观察数据内容

import pandas as pd
import numpy as npdf = pd.DataFrame({"Person":["John", "Myla", "Lewis", "John", "Myla"],"Age": [24., np.nan, 21., 33, 26],"Single": [False, True, True, True, False]})df

	Person	Age	Single
0	John	24.0	False
1	Myla	NaN	True
2	Lewis	21.0	True
3	John	33.0	True
4	Myla	26.0	False

例1-2、统计每列非空单元格数量

df.count()

Person    5
Age       4
Single    5
dtype: int64

例1-3、统计每行非空单元格数量

df.count(axis=1)

0    3
1    2
2    3
3    3
4    3
dtype: int64

例2：只统计数字类型的非空单元格数量

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

0    2
1    1
2    2
3    2
4    2
dtype: int64