如何删除DataFrame中的#NaN行以计算均值与求和？

首先，你遇到的问题核心有两个：一是drop(index=[0])没生效，二是用statistics.mean处理带NaN的pandas Series会报错。

1. 修复drop不生效的问题 #

pandas.DataFrame.drop()默认返回新的DataFrame，不会直接修改原数据。如果没把结果重新赋值，原Read_FDX根本没变化。正确写法：

Read_FDX = Read_FDX.drop(index=[0])  # 将删除后的结果重新赋值给原变量

2. 更高效的处理：不用删行，直接忽略NaN计算统计量 #

其实完全没必要删除第一行，pandas自带的统计方法会自动忽略NaN值，比statistics模块更适配pandas数据结构：

# 直接用pandas的mean方法计算均值
returns_mean = Read_FDX['%Returns'].mean()
# 求和同理
returns_sum = Read_FDX['%Returns'].sum()

3. 可选：彻底移除含NaN的行（若需干净数据集） #

如果后续操作需要完全无NaN的数据集，可以用dropna()精准删除目标列的NaN行：

# 仅删除'%Returns'列包含NaN的行
Read_FDX_clean = Read_FDX.dropna(subset=['%Returns'])
# 此时用statistics模块也能正常计算
statistics.mean(Read_FDX_clean['%Returns'])

补充说明 #

pct_change()生成第一行NaN是正常现象——第一个数据没有前值可计算变化率。优先用pandas内置统计方法是最省心的方案，无需手动处理NaN。

内容的提问来源于stack exchange，提问作者Seyed Hossein Fatemi