计算DataFrame行均值时非NaN行仍返回NaN的问题排查

核心原因与对应解法 #

1. axis参数方向错误（最常见） #

你写的axis=0是计算列的均值，而非行的均值。要计算每行的均值，必须指定axis=1。这是新手最容易踩的坑，修改参数后大概率能解决问题：

# 假设cols是排除时间戳后的数值列集合
df['行均值'] = df[cols].mean(axis=1, skipna=True)

2. 列选择逻辑有误 #

如果df[]未明确指定正确的列——比如不小心选中空列集合，或者误将时间戳列纳入计算范围——自然无法得到有效均值。

• 先明确列范围：比如首列名为timestamp，可通过cols = df.columns[1:]或cols = df.columns.drop('timestamp')选中所有数值列。
• 用df[cols].info()查看列的非空值统计，用df[cols].head()预览数据，确认选中的是正确的数值列。

3. 数据存在隐藏问题 #

虽然列类型显示为float64，但可能存在以下情况：

• 部分列全为NaN：用df[cols].isna().sum()统计每列的NaN数量，过滤掉全NaN的列后再计算：

  # 筛选出至少有一个非空值的列
  valid_cols = df[cols].columns[df[cols].notna().any(axis=0)]
  df['行均值'] = df[valid_cols].mean(axis=1, skipna=True)
  

• 存在字符串形式的"NaN"：这种值虽显示为float64，但实际是无效值，可强制转换为标准NaN后再计算：

  df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')
  

内容的提问来源于stack exchange，提问作者user34482