计算Pandas DataFrame中一个或多个列的NaN值

计算Pandas DataFrame中一个或多个列的NaN值的完整攻略需要分为以下几步：

1. 选择要计算NaN值的列；
2. 使用isna()函数选择该列中所有的NaN值；
3. 对isna()函数返回的结果使用sum()函数求和；
4. 将求和结果除以总行数，即可得到该列中NaN值的占比。

以下是详细过程和代码实例：

首先，创建一个包含NaN值的DataFrame。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, np.nan, 3, 4],
    'B': [5, 6, np.nan, np.nan],
    'C': [np.nan, np.nan, np.nan, np.nan],
    'D': ['a', 'b', 'c', 'd']
})

print(df)

输出结果为：

     A    B   C  D
0  1.0  5.0 NaN  a
1  NaN  6.0 NaN  b
2  3.0  NaN NaN  c
3  4.0  NaN NaN  d

接下来，计算列A中的NaN值占比。

nan_percentage = df['A'].isna().sum() / df['A'].shape[0]
print(nan_percentage)

输出结果为：

0.5

代码解释：通过isna()函数选出A列中的所有NaN值，使用sum()函数求和，然后再除以总行数即可得到该列中NaN值的占比。

同样的方法可以计算其他列中的NaN值占比，只需要更改列名即可。

# 列B中NaN值的占比
nan_percentage = df['B'].isna().sum() / df['B'].shape[0]
print(nan_percentage)

# 列C中NaN值的占比
nan_percentage = df['C'].isna().sum() / df['C'].shape[0]
print(nan_percentage)

输出结果为：

0.5
1.0

代码解释：B列中有2个NaN值，总共有4行数据，所以占比为0.5。C列中有4个NaN值，总共有4行数据，所以占比为1.0。