怎么将缺失值数量的Dataframe倒排结果存为一列新数据

您可以使用pandas库中的`isna()`和`sum()`函数来确定每列中缺失值的数量，并使用`sort_values()`函数进行倒排排序。最后，您可以使用`reset_index()`函数来将结果转换为一个新的DataFrame并将缺失值数量存储在一列中。以下是示例代码：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, None], 'B': [5, None, 7, None, 9], 'C': [10, 11, 12, 13, 14]})

# 确定每列中缺失值的数量
missing_values = df.isna().sum()

# 进行倒排排序
missing_values_sorted = missing_values.sort_values(ascending=False)

# 将结果转换为一个新的DataFrame并将缺失值数量存储在一列中
result_df = missing_values_sorted.reset_index()
result_df.columns = ['Column', 'Missing Values']

# 输出结果
print(result_df)

输出结果为：

  Column  Missing Values
0      B               2
1      A               1
2      C               0

在这个示例中，我们首先使用`isna()`函数确定每列中缺失值的数量。然后，我们使用`sort_values()`函数将结果进行倒排排序，并使用`reset_index()`函数将结果转换为一个新的DataFrame。最后，我们将新DataFrame的列名修改为“Column”和“Missing Values”，并输出结果。