考点：缺失值的统计。

在 Pandas 中，处理缺失数据的常见方法包括使用 `isnull()` 和 `notnull()` 函数。对于统计数据框 `df` 中缺失数据的数量，正确的选项是 **C: `df.isnull().sum()`**。下面是对每个选项的分析：

- **A: `df.notnull().mean()`**
- `notnull()` 返回一个与 `df` 形状相同的布尔型 DataFrame，其中值为 True 表示该位置不是缺失值。
- `mean()` 计算各列中非缺失值所占的比例。

- **B: `df.isnull().mean()`**
- `isnull()` 返回一个与 `df` 形状相同的布尔型 DataFrame，其中值为 True 表示该位置是缺失值。
- `mean()` 计算各列中缺失值所占的比例。

- **C: `df.isnull().sum()`**
- `isnull()` 返回一个与 `df` 形状相同的布尔型 DataFrame，其中 True 表示缺失值。
- `sum()` 计算每列中 True 的数量，即缺失值的数量。

- **D: `df.notnull().sum()`**
- `notnull()` 返回一个与 `df` 形状相同的布尔型 DataFrame，其中 True 表示不是缺失值。
- `sum()` 计算每列中 True 的数量，即非缺失值的数量。

因此，正确答案是 **C: `df.isnull().sum()`**，这一语法可以准确统计出 `df` 中每列缺失数据的数量。