下面是一个示例代码，用于编写一个函数来量化数据框中每列的空值，但不删除这些空值：

import pandas as pd

def quantify_missing_values(df):
    missing_values = df.isnull().sum()
    missing_percentage = (missing_values / len(df)) * 100
    missing_data = pd.DataFrame({'Missing Values': missing_values, 'Missing Percentage': missing_percentage})
    return missing_data

# 示例用法
data = {'A': [1, 2, None, 4, 5],
        'B': [6, None, 8, 9, 10],
        'C': [None, 12, 13, 14, None]}
df = pd.DataFrame(data)

result = quantify_missing_values(df)
print(result)

输出结果为：

   Missing Values  Missing Percentage
A               1                20.0
B               1                20.0
C               2                40.0

该函数使用isnull()函数来检查数据框中的每个元素是否为空值，并使用sum()函数计算每列的空值数量。然后，通过除以数据框的长度并乘以100来计算每列的空值百分比。最后，将结果存储在一个新的数据框中，并返回该数据框作为函数的输出。