在數據分析和機器學習中，統計數據中的缺失值是非常重要的一步。python的pandas庫提供了便捷的函數，可以快速統計缺失值。

# 導入pandas庫
import pandas as pd
# 創建一個包含缺失值的數據集
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella'], 
'age': [23, 25, None, 30, 28], 
'gender': [None, 'M', 'F', None, 'F']}
df = pd.DataFrame(data)
# 統計缺失值的數量
missing_value_count = df.isna().sum()
# 輸出統計結果
print(missing_value_count)

上述代碼首先導入了pandas庫，然后使用字典創建一個包含缺失值的數據集，并使用pandas的DataFrame函數將其轉換成數據框。接下來，使用DataFrame的isna函數檢查數據框中的缺失值，并使用sum函數統計缺失值的數量。最后，輸出統計結果。

上述代碼的輸出結果為：

name      0
age       1
gender    2
dtype: int64

上述結果表明，在數據集中，name列沒有缺失值，age列有1個缺失值，gender列有2個缺失值。

使用pandas庫可以方便地統計缺失值的數量，進而幫助我們更好地理解數據，確定如何處理缺失值。