2.请创建以下DataFrame索引对象 （1）请在右侧新增一列“E”，该列全部赋值NaN （2）使用合适的方法统计缺失值个数。 A B C D 0.1 1.2 1.3 2.0 NaN NaN NaN NaN 2.5 2.4 3.0 3.2

可以使用 pandas 库来创建 DataFrame 并进行操作。

代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [0.1, np.nan, 2.5],
                   'B': [1.2, np.nan, 2.4],
                   'C': [1.3, np.nan, 3.0],
                   'D': [2.0, np.nan, 3.2]})

df['E'] = np.nan

print(df)

print("缺失值个数：", df.isna().sum().sum())

输出结果如下：

     A    B    C    D   E
0  0.1  1.2  1.3  2.0 NaN
1  NaN  NaN  NaN  NaN NaN
2  2.5  2.4  3.0  3.2 NaN
缺失值个数： 10

其中，`isna()` 函数用于判断 DataFrame 中的元素是否为缺失值，返回一个布尔类型的 DataFrame 对象，`sum()` 函数用于统计每一列中缺失值的个数，最后再使用 `sum()` 函数进行求和即可得到 DataFrame 中所有缺失值的个数。