如何通过循环对DataFrame指定列中的列表型数值元素求和并生成total新列

这里有个完全贴合你需求的实现方案，用循环遍历的方式处理你的DataFrame，计算列表元素的和并生成新列：

import pandas as pd
import numpy as np

# 先创建和你提供的结构一致的示例DataFrame
df = pd.DataFrame(
    {'col1': [[0, 0], [7.9, 11.06], [0.9, 4], np.nan]},
    index=[0, 2, 3, 4]
)

# 初始化Total列，默认值设为NaN
df['Total'] = np.nan

# 循环遍历每一行处理求和逻辑
for idx, row in df.iterrows():
    # 先判断col1是否是有效的列表（排除NaN的情况）
    if not pd.isna(row['col1']) and isinstance(row['col1'], list):
        # 计算列表元素的和，按示例要求保留1位小数
        sum_result = sum(row['col1'])
        df.loc[idx, 'Total'] = round(sum_result, 1)

# 输出最终结果
print(df)

代码逻辑说明： #

1. 首先我们构建了和你给出的结构完全匹配的DataFrame，包括自定义索引和NaN值；
2. 提前给Total列设好默认NaN值，这样col1为NaN的行就不用额外处理，直接保持默认；
3. 用iterrows()循环遍历每一行，这是pandas里遍历行的常用方式，能拿到每一行的索引和对应数据；
4. 每次循环先判断col1是不是有效的列表，确认后就计算列表元素的和，四舍五入到1位小数（和你给出的示例结果一致），再把结果赋值给对应行的Total列。

运行这段代码后，你会得到如下格式的结果：

（如果需要把0.0转为整数0，可以加一行df['Total'] = df['Total'].apply(lambda x: int(x) if pd.notna(x) and x == int(x) else x)来处理）

内容的提问来源于stack exchange，提问作者sapna Singh