1. 首先，我们需要准备好一个数据集，其中包括一个类别列和一个数值列。以下是一个示例数据集：

import pandas as pd

df = pd.DataFrame({
    'Category': ['A', 'B', 'C', 'A', 'B', 'C', 'A', 'B', 'C'],
    'Value': [1, 2, 3, 4, 5, None, 7, 8, None]
})

print(df)

  Category  Value
0        A    1.0
1        B    2.0
2        C    3.0
3        A    4.0
4        B    5.0
5        C    NaN
6        A    7.0
7        B    8.0
8        C    NaN

2. 接下来，我们可以使用 Pandas 中的 groupby 函数按类别分组，并使用 count 函数计算每个类别中非空值的数量。以下是代码示例：

result = df.groupby('Category')['Value'].apply(lambda x: x.notnull().sum())

print(result)

Category
A    3
B    3
C    2
Name: Value, dtype: int64

在上面的示例中，我们首先使用 groupby 函数按 Category 列进行分组，然后使用 apply 函数将每个分组中的 Value 列传递给 lambda 函数。在 lambda 函数中，我们使用 notnull 函数计算每个值是否为非空值，并使用 sum 函数将非空值的数量计算出来。最终，我们得到了每个类别中非空值的数量。