我看到了你解释的相反的行为：

Sums across the columns
In [3309]:  df1.isnull().sum(1)                                                                                                                                                                
Out[3309]: 
0     0
1     1
2     0
3     0
4     0
5     0
6     0
7     0
8     0
9     0
10    0
11    0
dtype: int64

字符串
对各列求和

In [3310]:  df1.isnull().sum()                                                                                                                                                                 
Out[3310]: 
date        0
variable    1
value       0
dtype: int64

型

这不是我看到的功能。让我们看看这个小例子。

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'A':[np.nan, np.nan, 3],'B':[1,1,3]}, index =[*'abc'])
print(df)
print(df.isnull().sum())
print(df.sum())

字符串
请注意，列是大写的“A”和“B”，索引或行索引是小写的。
输出量：

A  B
a  NaN  1
b  NaN  1
c  3.0  3

A    2
B    0
dtype: int64

A    3.0
B    5.0
dtype: float64

型
根据文件：
axis：{index（0），columns（1）}要应用的函数的轴。

轴参数与要求和的方向正交。
不幸的是，sum的pandas文档目前没有明确说明这一点，但count的文档做到了：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.count.html
参数axis{0或'index'，1或'columns'}，默认值为0如果为每列生成0或'index'计数。如果为每行生成1或“列”计数。

嘿，让我告诉你我认为它做了什么..首先.isnull()做的是如果任何列值为空，它返回值1，然后.sum()将添加.isnull()返回的1，并继续添加尽可能多的1 .isnull()将返回意味着存在尽可能多的空值，如果没有空值，.isnull()将简单地返回0，添加0将不会导致任何结果，但0。我想这能帮助你理解