我认为您需要groupby和NaN值的sum：

df2 = df.C.isnull().groupby([df['A'],df['B']]).sum().astype(int).reset_index(name='count')
print(df2)
     A      B  count
0  bar    one      0
1  bar  three      0
2  bar    two      1
3  foo    one      2
4  foo  three      1
5  foo    two      2

请注意，.isnull()位于原始Dataframe列上，而不是位于groupby()-对象上。groupby()没有.isnull()，但如果它有.isnull()，则预期会给出与原始DataFrame上的.isnull()相同的结果。
如果需要过滤器，首先添加boolean indexing：

df = df[df['A'] == 'foo']
df2 = df.C.isnull().groupby([df['A'],df['B']]).sum().astype(int)
print(df2)
A    B    
foo  one      2
     three    1
     two      2

或者更简单：

df = df[df['A'] == 'foo']
df2 = df['B'].value_counts()
print(df2)
one      2
two      2
three    1
Name: B, dtype: int64

编辑：解决方案非常相似，仅添加transform：

df['D'] = df.C.isnull().groupby([df['A'],df['B']]).transform('sum').astype(int)
print(df)
     A      B     C  D
0  foo    one   NaN  2
1  bar    one  bla2  0
2  foo    two   NaN  2
3  bar  three  bla3  0
4  foo    two   NaN  2
5  bar    two   NaN  1
6  foo    one   NaN  2
7  foo  three   NaN  1

相似溶液：

df['D'] = df.C.isnull()
df['D'] = df.groupby(['A','B'])['D'].transform('sum').astype(int)
print(df)
     A      B     C  D
0  foo    one   NaN  2
1  bar    one  bla2  0
2  foo    two   NaN  2
3  bar  three  bla3  0
4  foo    two   NaN  2
5  bar    two   NaN  1
6  foo    one   NaN  2
7  foo  three   NaN  1

df[df.A == 'foo'].groupby('b').agg({'C': lambda x: x.isnull().sum()})

退货：

=>        C
B       
one    2
three  1
two    2

只需添加此参数dropna=False
df.groupby（['A'，' B '，' C ']，dropna=假）.size（）
检查文档：dropnabool，默认为True如果为True，并且组关键字包含NA值，则NA值将与行/列一起删除。如果为False，则NA值也将被视为组中的关键字。