如何对DataFrame的object类型列子集按行求和并忽略文本值？

我有一个如下结构的pandas DataFrame：

data = {'ID': ['12AX', '7YTQ','ZA77'],
        'Value_1': [19, 'Not applicable', 33],
        'Value_2': [13,4,15],
        'Value_3': ['Not Applicable', 'Not Applicable', 102.7],
        'Status': ['Not Applicable','Not Applicable','Not Applicable'],
        'Category': ['AAA', 'AAA', 'BA']
}

df = pd.DataFrame(data)

我想新增一列Sum，基于Value_1、Value_2、Value_3三列求和，求和时忽略行中的文本值——比如第一行的Sum应该是19+13=32，直接忽略Value_3里的"Not Applicable"文本。

我写了下面的函数，但它总是返回None或0，找不到问题出在哪：

def safe_sum(row):
    try:
        float_numbers = [float(x) for x in row if isinstance(x, (int, float))]

        return sum(float_numbers)

    except (ValueError, TypeError):
        return None

df['Sum'] = df[['Value_1','Value_2','Value_3']].apply(safe_sum, axis=1)

请问我哪里出错了？

问题根源：类型判断失效 #

你的代码里用isinstance(x, (int, float))筛选数值，但因为Value_1列混合了整数和字符串，DataFrame创建后整列会被统一为object类型——也就是说，原本的整数19在DataFrame里实际是object类型的整数，isinstance(x, (int, float))会返回False，导致筛选出的列表为空，求和结果自然是0；只有遇到无法转换的极端情况才会返回None。

修正后的自定义函数 #

换个思路：尝试把每个值转成浮点数，成功的就累加，失败的直接跳过：

def safe_sum(row):
    total = 0.0
    for x in row:
        try:
            num = float(x)
            total += num
        except (ValueError, TypeError):
            continue
    return total

df['Sum'] = df[['Value_1','Value_2','Value_3']].apply(safe_sum, axis=1)

运行后就能得到正确结果：

更高效的pandas原生写法 #

不用自定义函数，直接用pd.to_numeric把目标列转换成数值类型，无法转换的标记为NaN，再按行求和即可：

# 把文本值转为NaN
df[['Value_1','Value_2','Value_3']] = df[['Value_1','Value_2','Value_3']].apply(pd.to_numeric, errors='coerce')
# 按行求和，自动忽略NaN
df['Sum'] = df[['Value_1','Value_2','Value_3']].sum(axis=1)

这种方法更贴合pandas的设计风格，处理大数据量时效率也更高。

内容的提问来源于stack exchange，提问作者A.N.